Zero-shot classification
Klassifikation af datapunkter uden forudgående træning på specifikke klasser ved at udnytte semantiske repræsentationer.
Kort fortalt
En model kan genkende og klassificere objekter, den aldrig har set før, ved at forstå deres beskrivelse.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En maskinlæringsteknik, hvor en model forudsiger klasser, den ikke har set under træning, ved at bruge en separat semantisk beskrivelse af klasserne (fx attributter eller ordembeddinger).
- Ved zero-shot classification kan en model klassificere et billede af en zebra, selvom den kun er trænet på heste og tigre, fordi den forstår, at 'zebra' har striber.
- CLIP-modellen udmærker sig inden for zero-shot classification ved at matche billeder med tekstbeskrivelser.
Hvornår bruges det
Bruges i scenarier, hvor nye klasser løbende tilføjes, og det er upraktisk at genoptræne modellen. Eksempler inkluderer billedgenkendelse, tekstklassifikation og naturlig sprogforståelse.
Kodeeksempel
from transformers import pipeline
classifier = pipeline("zero-shot-classification")
result = classifier("This is a picture of a cat", candidate_labels=["animal", "vehicle", "food"])
print(result)Eksempel på zero-shot classification med Hugging Face Transformers.
Oprindelse
Termen opstod i forbindelse med arbejde med semantisk embedding og transfer learning, særligt i papirer om zero-shot learning fra omkring 2009.
Afledte ord
2Kilder
2- Zero-Shot Learning by Convex Combination of Semantic Embeddings
- Learning to Detect Unseen Object Classes by Between-Class Attribute Transfer