广义少样本分类

Generalized Few-Shot Classification是在计算机视觉领域中的一种学习范式，旨在通过少量样本实现对新类别的快速识别与分类。该方法不仅关注已知类别的泛化能力，还强调对未知类别的适应性，从而提高模型在实际应用场景中的鲁棒性和灵活性。其核心目标是构建能够有效利用有限标注数据的学习算法，以减少对大规模数据集的依赖，提升模型的实用价值。