该文综述跨域少样本分割与分类研究，提出动态自适应细化DARNet、双向少样本预测与迭代适配器、少样本域自适应、对抗任务增强、自适应语义一致性、元混合网络、聚类适配C2A、base learner结合及跨域自监督等方法，以缓解域差异与过拟合，性能显著提升。