Unsupervised Few Shot Image Classification

Im Bereich der Computer Vision bezieht sich die unüberwachte Few-Shot-Bildklassifizierung auf die Aufgabe, Modelle ausschließlich mit unlabeled Datasets während der Vortrainings- oder Meta-Trainingsphase zu trainieren. Das Ziel ist es, eine schnelle Erkennung und Klassifizierung neuer Kategorien mit begrenzten labeled Samples zu erreichen, indem die intrinsischen Strukturen und Merkmale aus den unlabeled Daten gelernt werden. Diese Aufgabe hat erheblichen praktischen Wert, da sie die Kosten für manuelles Labeling effektiv senken und die Anpassungsfähigkeit und Generalisierung des Modells in realen Szenarien verbessern kann.