跨域小样本系列1：简介√

跨域小样本系列2：常用数据集与任务设定详解

跨域小样本系列3：元学习方法解决CDFSL以及两篇SOTA论文讲解

跨域小样本系列4：finetune方法解决CDFSL以及两篇SOTA论文讲解

跨域小样本系列5：除此之外一些奇门异路的论文讲解

cdfsl设置的sota论文选讲

主要贡献：

• 提出了一种带有批量谱正则化（BSR）的特征变换集成模型。-提出了在特征提取网络之后，通过不同的特征变换来构建一个集成预测模型。

• 然后，提出的模型在目标领域进行微调，以解决小样本分类问题。

• 进一步添加标签传播、熵最小化和数据增强模块来缓解目标域标记数据的不足。

1.1整体框架：feature transformation ensemble model

作者通过增加特征表示空间的多样性来构建集成模型，同时保持每个预测分支网络对整个训练数据的使用。

1.2创新1：batch spectral regularization(bsr)