Few-shot classification
Few-shot classification
Определение
Few-shot classification — это задача классификации, в которой модель обучается распознавать новые классы на основе очень малого количества размеченных примеров (обычно от одного до нескольких). В отличие от zero-shot классификации, где не требуется ни одного примера, few-shot использует небольшое число образцов для адаптации. Этот подход занимает промежуточное положение между zero-shot и полным fine-tuning, который требует большего объёма данных.