Odborná definice
Význam a odborné vymezení pojmu
One-shot learning je nastavení, ve kterém má model rozpoznat nebo osvojit novou třídu, objekt či úlohu z jedinej označenej ukázky na třídu, přičemž využívá reprezentaci naučenou z jiných dat. Běžné přístupy používají metrické učení, prototypy, siamské sítě, generativní rozšíření nebo silný předtrénovaný model. Nejde o trénink komplexného modelu od nuly na jednom zázname. Hodnocení musí oddělit třídy použité na metaučení od nových tříd a opakovat epizódy s různými support a query příklady.
Srozumitelné vysvětlení
Jak se pojem používá v praxi
Pokud systém už pozná obecný vzhlad priemyselných dielů, může po jedné fotografii nového typu hladat další podobné kusy. Jedna ukážka však nemusí zachytit otočení, osvetlení ani výrobnou variabilitu. Úspěch proto stojí na tom, co se model naučil predtým a zda je nová třída v tomto prostoru rozlíšitelná. Při tvárach, poruchách nebo dokumentech se musí testovat i riziko, že podobnost vzniká z pozadí, značky kamery nebo jiného zkratkového príznaku místo skutečné identity objektu.
Časté otázky
Otázky, které upřesňují význam
Čím se one-shot liší od zero-shot učení?
One-shot dostane jednu označenou ukážku nové třídy. Zero-shot se opiera o popis, atributy nebo jazykovou reprezentaci bez obrazového či datového příkladu dané třídy.
Proč je důležité metrické učení?
Model se učí prostor, ve kterém jsou příbuzné příklady blízko a odlišné daleko. Nová ukážka potom slouží jako reference bez potřeby přetrénovat celý klasifikátor.
Jako vypadá one-shot evaluačná epizóda?
Support set obsahuje po jednom príklade z nových tříd a query set další příklady na klasifikaci. Třídy musí být odlišné od tých, které model videl během tréninku reprezentace.
Může augmentace nahradit další reálně ukázky?
Pomáhá modelovat známé transformace, například rotaci nebo jas, ale nevytvorí nepozorovanou výrobnou chybu či demografickou variabilitu. Syntetická data je třeba ověřit na reálných případech.
Kdy je jedno-shot rozhodnutí příliš rizikové?
Když chyba vede k právnemu, zdravotnému nebo bezpečnostnému zásahu a třída má velkou vnitřní variabilitu. Tehdy má ukážka spustit sběr dalších důkazů, ne automatický verdikt.
Související pojmy
Významové a tematické souvislosti
Zdroje a redakční stopa
Použitá východiska a odborná revize
- Siamese Neural Networks for One-shot Image Recognition Prototypical Networks for Few-shot Learning
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.