基本信息

---

下载

文档摘要

---

摘要

摘要

小样本学习在数据稀缺场景下通过知识迁移实现模型泛化，已成为计算机视觉领域

的重要研究方向。现有方法虽在层次知识建模、细粒度特征挖掘和多模态对齐等方面取

得进展，但仍面临三个关键挑战：（1）层次知识误判风险累积：现有分层方法因忽视

误分类结果的差异性评估，导致“不关心风险”与“不加区分风险”的双重误差

播；（2）样本感知偏差：模型易受背景捷径学习干扰，对前景目标的