2018年还剩不到10天,回顾一下今年CV(Computer Vision,计算机视觉)领域的进展,在技术上并没有迎来什么革命性的新突破。
几个头部企业的业务重点,除了强化现有算法的精度,更多还是将精力投掷在商业布局上。
似乎每家公司都在为这个看得见的“赛点”争分夺秒地发掘新应用场景。
不过,还是有很多新技术的进步值得我们专门用一篇文章来说一说,比如今天要讲的Zero-Shot Learning。
毕竟,当场景被开发到极限,大家就又回到了技术的起跑线。
什么是ZSL?
零样本学习zero-shot learning,是最具挑战的机器识别方法之一。2009年,Lampert 等人提出了Animals with Attributes数据集和经典的基于属性学习的算法,开始让这一算法引起广泛关注。
之所以如此重要,因为其迥异于传统图像识别任务的思考方式。
从原理上来说,ZSL就是让计算机具备人类的推理能力,来识别出一个从未见过的新事物。
举个例子,我们告诉一个从没见过斑马的小朋友:“斑马是一种长得像马,身上有黑白色条纹的动物”,他就可以很轻松地在动物园里找出来哪个是斑马。
可是,在传统的图像识别算法中,要想让机器认出“斑马”,往往需要给机器投喂足够规模的“斑马”样本才有可能。而且,利用“斑马”训练出来的分类器,就无法识别其他物种。
<