聊聊zero-shot learning 和 one-shot learning

最新推荐文章于 2023-09-20 20:09:29 发布
最新推荐文章于 2023-09-20 20:09:29 发布
阅读量793 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hestendelin/article/details/101546420
版权

0?wx_fmt=jpeg

Palatucci, Mark, et al. "Zero-shot learning with semantic output codes." Advances in neural information processing systems. 2009.

首先来看一篇比较经典的zero-shot learning相关的paper （http://101.96.10.65/www.cs.cmu.edu/afs/cs/project/theo-73/www/papers/zero-shot-learning.pdf）。

这篇paper是NIPS 2009中的一篇论文，作者来自CMU，Intel及多伦多大学。文章所要处理的问题是针对训练集中缺失标签的样本，如何预测其标签或类别。其思路是对类别标签建立由语义信息构成的知识库，进而可以推测新的类别。

什么是zero-shot learning呢？zero-shot learning即为训练样本中的类别变量有某种程度的缺失。本篇论文之前，学者 Larochelle et al. (2008) 也研究了zero-shot learning，其中可以对训练集中缺失的数字所对应的新类别进行预测。更简洁地来讲，比如你没见过某种动物，但是，你从其他地方得知了对这种动物的描述，见了之后一眼就能做出判断，这就是zero-shot learning。

作者所提模型可以学习输入数据和语义特征之间的关系。可以利用所学关系通过两个阶段对新输入的数据预测其类别。给定新的输入数据&#

最低0.47元/天 解锁文章
frank_hetest
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大语言模型的zeroshot学习原理与代码实例讲解
AGI通用人工智能之禅
06-22 57
随着人工智能技术的不断发展，大语言模型在自然语言处理领域取得了巨大的成功。然而，传统的大语言模型通常需要大量的有监督学习数据来进行训练，这对于一些数据稀缺的任务或领域来说是一个挑战。zero-shot learning 作为一种新兴的学习范式，为解决这个问题提供了一种可能。zero-shot learning 旨在让模型在没有任何有监督数据的情况下，仅仅通过对语言的理解来完成各种任务，例如文本生成、问答系统和语义理解等。
深度学习---zero-shot one-shot few-shot (learning)
My_Communication的博客
08-07 1276
在迁移学习中，由于传统深度学习的学习能力弱，往往需要海量数据和反复训练才能修得泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / One-shot Learning / Few-shot Learning。 Zero-shot Learning Zero-shot Learning，零次学习。 成品模型对于训练集中没有出现过的类别，能自动创造出相应的映射：X→YX \rightarrow YX→Y One-shot Learning One-shot
什么是One-shot Learning 、Zero-shot Learning？
Hero_Never_GIVE_UP的博客
07-24 1万+
One/zero-shot learning都是用来进行学习分类的算法。 Zero-shot Learing 就是训练样本里没有这个类别的样本，但是如果我们可以学到一个牛逼的映射，这个映射好到我们即使在训练的时候没看到这个类，但是我们在遇到的时候依然能通过这个映射得到这个新类的特征。 One-shot Learing 就是类别下训练样本只有一个或者很少，我们依然可以进行分类。比如我们可以在一个...
Zero-shot / One-shot / Few-shot Learning
VIEO
04-21 964
元学习论文总结||小样本学习论文总结 2017-2019年计算机视觉顶会文章收录 AAAI2017-2019 CVPR2017-2019 ECCV2018 ICCV2017-2019 ICLR2017-2019 NIPS2017-2019 转载自：http://www.cnblogs.com/jngwl/articles/10221819.html#top 1. Introduction ...
zero/one shot初步理解
mos1896的博客
10-27 2618
雷郭出品 zero shot指的是在分类任务中 训练集中没有A类的样本，只有B,C,D等类的样本 然后我们希望训练好的网络可以识别出A类 这有点骚 强行叫网络去识别它所没有见过的类别 这感觉不可能实现，毕竟常见的神经网络就是具有这种局限性（没见过就不认识） 资料中显示可以提取出A,B,C,D类的一些共有属性 然后不同属性值的组合可以对应不同的类别 比方说以马，老虎，熊猫为B,C,D类（资料中全是举得这种例子） 以斑马为A类 然后人类根据经验可以使用三种属性来辅助网络识别斑马 像不像马 有没有条纹 是不是黑
Zero-shot Learning / One-shot Learning
chenyi9981的博客
06-01 867
Introduction 在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / One-shot Learning / Few-shot Lea...
元学习综述，meta learning，A Survey of Zero-Shot Learning + poster
07-09
元学习，又称Meta-Learning，是一种机器学习方法，旨在通过在不同任务或环境中学习到的通用知识，使模型能够快速适应新的、未见过的任务。这种技术尤其受到关注，因为它能够解决传统机器学习方法中需要大量标注数据...
Semantic Autoencoder for Zero-Shot Learning.pdf
01-09
### Semantic Autoencoder for Zero-Shot Learning #### 摘要 在零样本学习（Zero-Shot Learning, ZSL）领域，传统的模型通常关注于构建一个从特征空间到语义嵌入空间（例如属性空间）的投影函数。然而，这种投影...
Goal-Oriented Gaze Estimation for Zero-Shot Learning.pdf
11-19
零样本学习（Zero-Shot Learning, ZSL）是计算机视觉领域的一种重要方法，旨在通过从已知类别转移语义知识来识别未见类别。这种方法的关键在于利用不同类别间的共享属性来建立视觉与语义之间的联系。然而，当前的ZSL...
Zero-shot learning based on deep weighted attribute prediction
02-11
实验在三个真实数据集上进行了验证，结果显示DWAP模型在属性预测和零样本图像分类任务上均优于深度属性网络和传统的直接属性预测模型。具体来说： - 在属性预测方面，DWAP模型通过利用深度网络的强大表示能力和加权...
One-Shot Learning of Object Categories (ppt)
09-30
One-Shot Learning + Bayesian framework ——> Object category recognition
zero-shot, one-shot和few-shot
薰珞婷紫小亭子的博客
07-05 8982
zero-shot, one-shot和few-shot
Zero-shot / One-shot / Few-shot Learning 简析
01-04 290
本文转载自https://blog.csdn.net/JNingWei/article/details/79235019，感谢原博主整理分享 1. Introduction 在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / On...
迁移学习总结(One Shot Learning, Zero Shot Learning)
热门推荐
XJTU_NOC_Wei的博客
09-05 1万+
目录目录 迁移学习 综述 Source Data 与Target Data 都有标签 Fine-tuning Multitask Learning Source Data 有标签Target Data 没有标签 Domain-adversarial training Zero-shot LearningSource Data没有标签 Target Data 有标签 Self-taught Learn
One-shot Learning of Object Categories
木槿的博客
05-04 1976
One-shot Learningof Object Categories 一．One-shotlearning是最近在计算机视觉领域一种研究解决目标分类任务的方法。然而大多数基于目标分类算法的机器学习需要成百上千的图像或非常大的数据库用于训练，One-shotlearning主要目标是学习目标分类从一个或很少的训练图像。 本文主要关注lfeifei等人在2006年的文章，IEEETrans...
Few-shot Learning、One-shot Learning、Zero-shot Learning
张鹏的博客
04-26 1385
机器学习任务按照对 样本量 的需求可以分为：传统监督式学习、Few-shot Learning、One-shot Learning、Zero-shot Learning。 传统learning，炼丹模式。 传统深度学习的学习速度慢，往往需要学习海量数据和反复训练后才能使网络模型具备泛化神功，传统learning可以总结为：海量数据 + 反复训练（炼丹模式）。为了 “多快好省” 地通往炼丹之路，...
Zero-Shot, One-Shot, and Few-Shot Learning概念介绍
weixin_42010722的博客
06-13 8456
本文将介绍零样本学习、一次样本学习和少样本学习的概念，它们使得机器学习模型能够在仅有有限数量的示例情况下对对象或模式进行分类和识别。在机器学习中，我们通常需要大量的训练数据来训练模型，以便它能够准确地识别和分类新的输入。然而，在现实世界中，获取大规模标记数据集可能是昂贵和耗时的。因此，零样本学习、一次样本学习和少样本学习等技术应运而生，它们旨在解决这个问题。
Zero-Shot、One-shot、Few-Shot 的简介
最新发布
TFATS的博客
09-20 3262
所以模型需要知道的信息是马的样本、老虎的样本、熊猫的样本和样本的标签，以及关于前三种动物和斑马的描述。”然后，爸爸给小明安排了一个任务，让他在动物园里找一种他从没见过的动物，叫斑马，并告诉了小明有关于斑马的信息：“斑马有着马的轮廓，身上有像老虎一样的条纹，而且它像熊猫一样是黑白色的。如今十分火热的纯监督模型往往需要足够多的样本才能训练出足够好的模型，并且用熊猫训练出来的分类器，只能对熊猫进行分类，其他物种都无法识别，也无法进行特征的综合推理，这样的模型功能还有待完善。
Synthesized Classifiers for Zero-Shot Learning
07-14
Synthesized Classifiers for Zero-Shot Learning（零样本学习的合成分类器）是一种用于解决零样本学习问题的方法。在传统的分类任务中，我们通常有大量的标记样本来训练分类器。但在零样本学习中，我们面临的挑战是缺乏训练样本来学习未知类别的分类器。 为了解决这个问题，Synthesized Classifiers方法使用已有的类别信息和属性信息来合成新的分类器。具体而言，该方法首先通过提取类别的属性信息，例如物体的颜色、形状、纹理等，形成一个属性矩阵。然后，通过计算不同类别之间的属性相似度，构建一个属性相似度矩阵。接下来，使用这个属性相似度矩阵来合成新的分类器。 合成分类器的基本思想是根据已有类别的属性相似度来预测未知类别的属性，并根据预测的属性来进行分类。通过合成分类器，我们可以将未知类别映射到属性空间，并进行分类。 Synthesized Classifiers方法在零样本学习中具有较好的性能，并且可以应用于各种领域，例如图像分类、自然语言处理等。它为解决零样本学习问题提供了一种有效的方法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值