少样本(Few-shot)学习的目标是训练可以在只有少量样本的情况下泛化到新类别的模型。 以往的研究工作提出,使用来自类别名称的可访问语义信息来增强少样本学习,但主要集中在改进标准少样本学习框架中的视觉原型和特征提取器等现有模块,限制了语义信息的充分利用。