什么是one-shot learning

什么是one-shot learning

​ Zero-shot learning 指的是我们之前没有这个类别的训练样本。但是我们可以学习到一个映射X->Y。如果这个映射足够好的话,我们就可以处理没有看到的类了。 比如,我们在训练时没有看见过狮子的图像,但是我们可以用这个映射得到狮子的特征。一个好的狮子特征,可能就和猫,老虎等等比较接近,和汽车,飞机比较远离。

​ One-shot learning 指的是我们在训练样本很少,甚至只有一个的情况下,依旧能做预测。

​ 这是如何做到呢?可以在一个大数据集上学到general knowledge(具体的说,也可以是X->Y的映射),然后再到小数据上有技巧的update。

​ 相关的名词还有 transfer learning , domain adaption。

​ 其实Zero/One-shot learning都属于transfer learning,要点在于先学到好的X->Y的关系,希望能应用到其他问题上。

​ 这两个词第一次出现的paper:

​ Zero-shot Learning:http://www.cs.cmu.edu/afs/cs/project/theo-73/www/papers/zero-shot-learning.pdf

​ One-shot Learning:http://vision.stanford.edu/documents/Fei-FeiFergusPerona2006.pdf

你可能感兴趣的:(模式识别与深度学习,机器学习,深度学习)