few-shot klassifikator
En klassifikator der kan genkende nye klasser efter træning på kun få eksempler per klasse.
Kort fortalt
En AI-model der lærer at klassificere nye kategorier efter kun at have set ganske få eksempler.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En klassifikator der trænes til at genkende nye klasser med få træningseksempler per klasse, ofte ved hjælp af metaindlæring eller prototypiske netværk.
- En few-shot klassifikator kan genkende sjældne fuglearter fra kun tre billeder.
- Ved hjælp af prototypiske netværk opnåede few-shot klassifikatoren en nøjagtighed på 85% på nye klasser. — Snell et al., 2017
Hvornår bruges det
Anvendes primært i situationer hvor man har meget få annoterede data, fx inden for medicinsk billedanalyse eller artsgenkendelse. Modellen udnytter ofte en forudtrænet repræsentation og tilpasser sig via metaindlæring eller prototypenetværk.
Kodeeksempel
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
class FewShotClassifier:
def __init__(self, support_embeddings, support_labels):
self.support_embeddings = support_embeddings
self.support_labels = support_labels
def predict(self, query_embeddings):
sim = cosine_similarity(query_embeddings, self.support_embeddings)
# Nearest neighbor
return self.support_labels[np.argmax(sim, axis=1)]En simpel few-shot klassifikator der bruger cosine-lighed til at finde nærmeste nabo blandt støtteeksemplerne.
Oprindelse
Sammensat af engelsk 'few-shot' (få eksempler) og 'klassifikator'. Begrebet opstod i maskinlæringslitteraturen i 2010'erne.
Kilder
2- Prototypical Networks for Few-shot Learning (Snell et al., 2017)
- Matching Networks for One Shot Learning (Vinyals et al., 2016)