一种少样本数据分类方法及系统

本发明提供了一种少样本数据分类方法及系统，涉及数据处理技术领域，方法包括：获取分类模型和参与训练的图像数据集，图像数据集包括支持集和查询集，获取分类模型的分类任务需求以及数据集的数据特性，数据特性包括样本数据的样本数量、数据质量和样本分布情况；根据分类任务需求和数据特性分别确定支持集和查询集的数据增强策略；根据数据增强策略分别对支持集和查询集进行数据增强；使用数据增强后的支持集和查询集对分类模型进行训练；通过训练好的分类模型进行数据分类。本方案能够根据分类任务需求和数据集的具体情况，生成与需求更加匹配的数据增强策略，能够有效提高分类模型针对当前需求场景的性能，提高少样本情况下的分类准确性。