1. 为什么需要"小样本学习"？
我们人类学新东西很快：比如你第一次见到一种新水果，可能只看过一两张照片，下次再看到就能认出来。
但传统深度学习做图像分类往往不行：
-
你想让模型学会"新类别A"，通常得给它很多张标注图片（几十到上千张）。
-
如果每个新类别只有 1～5 张图，模型很容易"背题"而不是"学会"。
小样本学习（Few-shot Learning）研究的就是：
当每个类别只有很少的标注图片时，模型还能不能可靠地学会分类？
2. 小样本学习到底在做什么？（N-way K-shot）
在小样本图像分类里，经常用一句话描述一个任务：N-way K-shot。
-
N-way：这次要分多少类（比如 5 类）
-
K-shot：每类给多少张"参考图"（比如每类 1 张或 5 张）
同时还有两种集合：
-
Support set（支持集）：给模型"学习/参考"的少量样本
-
Query set（查询集）：用来测试模型是否学会（类似考试题）
举个最常见的例子：5-way 1-shot
-
支持集：5 个类别，每类 1 张图（总共 5 张）
-
查询集：每类再拿几张图，让模型去判断属于哪一类
你可以这样理解：
支持集 = "教科书上的例题"，查询集 = "考试题"。
3. 为什么传统分类器在小样本下容易失败？
传统分类网络最后一步是一个固定的分类头（Softmax 分类器）。这在大数据时很强，但小样本时会遇到两个典型问题：
-
过拟合：样本太少，模型容易记住支持集那几张图的"细节噪声"。
-
泛化差：新类别的外观变化（角度、光照、背景）一多，模型就不稳。
所以小样本学习通常会想办法让模型别"死记硬背"，而是学到更通用的判别方式。
4. 小样本学习最经典的思路：先学"会比较"，再去分类（度量学习）
4.1 分类 ≈ "看起来更像谁"
假设你要判断一张新图属于 5 个类别中的哪一个，而每个类别你只有 1～5 张参考图。最自然的方法就是：
-
把新图与每个类别的参考图比一比
-
看"更像谁"，就判为谁
这就是小样本学习里非常主流的路线：度量学习（Metric-based）。
5. 原型网络（Prototypical Networks）：最像"人类做分类"的 few-shot 方法
原型网络的核心想法可以一句话讲完：
每个类别用一个"代表向量"（原型）来概括，新图离哪个原型最近，就属于哪个类。
5.1 它怎么做？
-
用一个"特征提取器"（比如 ResNet/ConvNet）把图片变成向量（可以理解为"图片的指纹"）。
-
对每个类别，把该类的 K 张支持图的向量求平均，得到这个类的原型（prototype）。
-
来了一张查询图，就计算它和每个类别原型的距离，离谁近就预测为谁。
5.2 为什么它适合小样本？
-
K 很小的时候，你没法训练一个复杂的分类器，但"每类一个中心"这个思路非常稳。
-
新类别来了，不需要重新训练大模型：只要把支持集算出原型，就能分类。
6. 让模型学"怎么快速学会"（MAML）
-
MAML 的目标不是直接学分类，而是学一个"很好的起点参数"。
-
当遇到新类别时，用支持集做几步快速微调，就能适配新任务。
可以用一句话类比：
原型网络像"拿尺子比相似度"；MAML像"学一套快速补课的方法"。
7. 现代实践的一句总结：预训练很重要
近几年在工程里常见的事实是：
-
如果你有一个在大数据上预训练过的视觉模型（比如 ImageNet 训练过的 ResNet，或自监督训练过的 ViT），
-
那么 few-shot 的效果会大幅提升。
因为预训练模型已经学会了大量通用视觉特征（边缘、纹理、形状、结构），小样本阶段只是在"少量数据下做适配"。
8. 小样本图像分类最常见的坑
-
过拟合：样本少，训练分类头时别训练太久；增强要开足。
-
数据分布变化：训练集是自然图片，测试是工业/医学图，效果会掉很多，这叫域偏移。
-
评估波动大：因为 episode 随机抽样，结果会有方差，论文常用"平均准确率 ± 置信区间"。
9. 小结：一句话带走核心
你可以用这段做结尾：
小样本学习的目标，是让模型在"每类只有几张图"的条件下仍能可靠分类。最经典的方法是度量学习：先学一个好的特征空间，再用"原型/最近邻"按相似度完成分类；元学习方法则试图让模型学会"如何快速适配新任务"。在现代实践中，强预训练 + 简单的 few-shot 头往往是既好用又稳定的选择。