一次语义分割侧重于使用单个注释示例作为参考来分割图像中的对象。这是通过少镜头学习技术来实现的，该技术训练模型以从最小的标记数据中进行概括。
模型通常使用特征提取和度量学习的组合。例如，卷积神经网络 (CNN) 从输入图像和参考图像中提取特征，并且相似性度量比较这些特征以分割目标对象。像PANet (原型对齐网络) 或FSS-1000数据集这样的框架通常用于一次性分割任务。
单次分割在医学成像和应用中特别有用，在这些应用中，获取大型标记数据集具有挑战性。该方法的成功取决于特征表示的质量和推广到看不见的对象的能力。