Cross Domain Few Shot Learning

L'apprentissage par transfert à faible échantillonnage inter-domaines est une branche importante de l'apprentissage par transfert. Il vise à migrer des modèles formés sur un domaine source vers un domaine cible pour relever des défis tels que des catégories inconnues, des distributions de données incohérentes et un nombre limité de données étiquetées par classe dans le domaine cible. Cette tâche améliore la généralisation et l'adaptabilité du modèle dans de nouveaux environnements en utilisant efficacement les connaissances du domaine source, ce qui en fait une approche très précieuse pour les applications pratiques.