one shot learning
One shot learning er en maskinlæringsteknik, hvor en model trænes til at genkende nye klasser baseret på kun ét træningseksempel per klasse.
Kort fortalt
En metode, der gør det muligt for en AI-model at lære at genkende en ny kategori ved kun at se ét eksempel.
- Kategori
- teknik
- Niveau
- øvet
- Udtale
- /wʌn ʃɒt ˈlɜːnɪŋ/
Betydninger
1- 1
En maskinlæringstilgang, hvor modellen præsenteres for en enkelt instans af en ny klasse og derefter udfører klassifikation på nye instanser. Modellen har typisk lært en generaliseret repræsentation gennem træning på et sæt af basisklasser.
- One shot learning gør det muligt for en ansigtsgenkendelsesmodel at genkende en person efter kun at have set ét billede. — Almindelig brug
- I medicinsk billeddannelse kan one shot learning hjælpe med at diagnosticere sjældne sygdomme uden store datasæt. — Almindelig brug
Hvornår bruges det
One shot learning anvendes især i situationer, hvor det er dyrt eller vanskeligt at indsamle store mængder data, fx inden for medicinsk billedanalyse eller ansigtsgenkendelse. Modellen trænes typisk på et sæt af relaterede opgaver og generaliserer til nye opgaver med få eksempler.
Oprindelse
Udtrykket opstod i begyndelsen af 2000'erne som en udfordring for traditionelle maskinlæringsmodeller, der kræver mange eksempler. Det blev særligt kendt i forbindelse med Bayesian-programmering og senere meta-learning.
Kilder
3- Li, F.-F., Fergus, R., & Perona, P. (2006). One-shot learning of object categories.
- Lake, B. M., Salakhutdinov, R., & Tenenbaum, J. B. (2015). Human-level concept learning through probabilistic program induction.
- Koch, G., Zemel, R., & Salakhutdinov, R. (2015). Siamese neural networks for one-shot image recognition.