近日，由西安电子科技大学杭州研究院2022级研究生柴潇强和计算机科学与技术学院2021级研究生冯婧怡共同完成的题为“Prototypes-oriented Transductive Few-shot Learning with Conditional Transport”的研究论文，在2023国际计算机视觉领域CCF-A类会议ICCV发表，指导老师为田隆教授和陈文超教授。

　　此项研究成果提出了非均衡非直推式小样本学习的性能瓶颈受限于类别非均衡下先验分布设定的准确性，发现提高先验分布设定的准确性和条件传输理论之间具有的天然一致性关系，利用该关系结合最大后验估计方法最终推导出一个简单优雅的小样本学习算法，并在公开的基准测试集上取得一致的性能提升。

　　小样本学习领域在近几年出现了许多优秀的新工作，然而大多数方法假设了样本类别均衡，此项研究成果提出的样本类别非均衡情况下的小样本学习算法更加契合现实世界的真实场景，并在样本类别均衡与非均衡情况下均取得了一致性的性能提升，该成果有望应用于医学图像分类、SAR图像目标识别等各种数据标注昂贵的分类任务。

　　据悉，国际计算机视觉大会（ICCV， International Conference on Computer Vision）由IEEE主办，与CVPR、ECCV被称为计算机视觉领域的三大顶级会议，该会议每两年举办一届，其评选出的最佳论文被看作是计算机视觉研究方面的最高荣誉之一。（通讯员：西安电子科技大学 闫红梅）