摘要 小样本学习（Few-Shot Learning, FSL）旨在解决数据稀缺场景下的模型泛化问题，在医疗影像诊断、工业缺陷检测等领域具有重要应用价值。本文以Transformer架构为基础，设计并实现了一种融合对比学习与元学习思想的小样本图像分类模型。通过构建任务驱动的训练范式，结合余弦相似度度量与注意力机制，模型在Omniglot数据集上的5-way 1-shot任务中分类准确率达98.2%
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
