tianjing2020
2021-11-01 17:48:17
One-shot Learning 单样本学习
在我们解决任何问题之前，我们应该精准的定义处这个问题到底是什么，下面是单样本分类问题的符号化表示： 我们的模型只获得了很少的标记的训练样本S，它有N个样本，每个相同维度的向量有一个对应的标签y
再给出一个待分类的测试样例 。因为样本集中每个样本都有一个正确的类别，我们的目标是正确的预测
中哪一个是
的正确标签
。
这里有很多种定义问题的方式，但上面是我们的定义，注意这里有一些事项需要记录一下：
现实生活中可能约束更少，可能一张图片并不见得只有一个正确的类别。
这个问题很容易泛化到k-shot 学习，我们只需要把每个类别y_{i}yi的单个样本换成k个样本就可以了。
当N很的时候，可能
有更多可能的类别，所以正确预测类别更难。
随机猜的正确率是
%.
这里有一些在Omniglot数据集上单样本学习的例子，我会在下一部分介绍它。
条内容