FEW-NERD是一个大规模的人工标注少样本命名实体识别数据集，由清华大学和阿里巴巴集团合作创建。该数据集包含188,238个句子，总计4,601,160个单词，每个单词都被标注为上下文或两级实体类型的一部分。FEW-NERD是首个专门为少样本NER设计的数据集，也是最大的人工标注NER数据集之一。数据集的内容主要来源于维基百科，涵盖了8个粗粒度和66个细粒度实体类型，旨在通过丰富的实体类型和上下

arXiv2021-09-01 更新450

CVasNLPExperiments/OxfordFlowers_test_google_flan_t5_xxl_mode_T_SPECIFIC_A_ns_100

图像分类

少样本学习

--- dataset_info: features: - name: id dtype: int64 - name: prompt dtype: string - name: true_label dtype: string - name: prediction dtype: string splits: - name: fewshot

Hugging Face2023-04-05 更新110

PASCAL-5i Dataset

影像分割

少样本学习

PASCAL-5i is a dataset used to evaluate few-shot segmentation. The dataset is sub-divided into 4 folds each containing 5 classes. A fold contains labelled samples from 5 classes that are used for eval

paperswithcode.com600

基于权重生成的增量式小样本目标检测方法及系统代码

目标检测

少样本学习

我们的工作针对增量少样本检测（iFSD）的任务，该任务需要在仅看到几个训练示例后快速检测新类别的对象，同时保持检测旧类别的能力。与重新训练新检测器以纳入少样本新颖类别不同，我们以直接权重生成方式处理 iFSD。

中国科学院脑科学数据中心2023-11-10 更新140