one-shot klassifikation
En maskinlæringsteknik, hvor en model klassificerer nye datapunkter efter kun at have set ét eksempel per klasse.
Kort fortalt
One-shot klassifikation betyder at lære at genkende nye kategorier ud fra et enkelt eksempel.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En opgave inden for maskinlæring, hvor en model efter træning på et basisdatasæt skal klassificere nye klasser med kun ét træningseksempel per klasse.
- One-shot klassifikation er en udfordrende opgave, fordi modellen skal udnytte viden fra tidligere set klasser til at korrekt genkende en ny klasse ud fra ét eksempel.
- Modeller til one-shot klassifikation bruger ofte metrik-baserede tilgange, som sammenligner nye datapunkter med det ene eksempel i et indlejringsrum.
Hvornår bruges det
Bruges i situationer, hvor det er dyrt eller umuligt at indsamle mange mærkede eksempler, f.eks. i medicinsk billedgenkendelse eller ansigtsgenkendelse. Modellen trænes typisk på et stort datasæt med forskellige klasser, så den kan generalisere til nye klasser med få eksempler.
Oprindelse
Udtrykket 'one-shot' stammer fra psykologisk litteratur, hvor 'one-shot learning' beskriver evnen til at lære fra en enkelt oplevelse. I maskinlæring blev det populært inden for few-shot learning omkring 2010'erne.
Kilder
2- Siamese Neural Networks for One-shot Image Recognition (Koch et al., 2015)
- Prototypical Networks for Few-shot Learning (Snell et al., 2017)