التعلم البصري بقليل من الأمثلة---وهو القدرة على التعرف على فئات أشياء جديدة من أمثلة قليلة جداً---يعتبر سمة مميزة للذكاء البصري لدى الإنسان. ومع ذلك، تفشل النماذج الحالية للتعلم الآلي في التعميم بنفس الطريقة. لكي نتقدم في حل هذه المشكلة الأساسية، نقدم معياراً للتعلم بقليل من الأمثلة على صور معقدة يحاكي التحديات التي تواجه أنظمة التعرف في البيئة الطبيعية. ثم نقترح: أ) تقنيات تنظيم التمثيل، وب) تقنيات لإنشاء أمثلة تدريبية إضافية للفئات ذات البيانات المحدودة. مجتمعةً، تحسن طرقنا فعالية الشبكات الإدراكية في التعلم بقليل من الأمثلة، مما يزيد دقة التعرف الفردي (one-shot) على الفئات الجديدة بمقدار 2.3 مرة على مجموعة بيانات ImageNet الصعبة.