随着深度学习的发展，图像目标检测技术得到了显著提升，然而传统的目标检测需要大量的标注数据，相比之下，人类只需要极少量的示例就能够认识一种种类的事物。小样本目标检测的目的就是能够利用极少数的训练样本来实现对目标的检测，从而减少繁杂的标注工作，并实现在只有少量样本的场景下的应用。在这篇文章中，我们重点调研了基于孪生神经网络的双分支小样本目标检测方法，并对其他的小样本目标检测方案进行简要介绍。在此基础上，我们分析了这些方案的优缺点，并预测未来相关领域的走向。