Zero-shot learning
零样本学习,简单理解就是把Few-shot learning模型中的Support Set去掉,只保留训练集和查询条件,但需要额外补充一个待分类的类别描述。即利用训练集数据训练模型,使得模型能够对测试集的对象进行分类,但是训练集类别和测试集类别之间没有交集;期间需要借助类别的描述,来建立训练集和测试集之间的联系,从而使得模型有效。举个例子(如图),训练集包括horse、donkey、hyena、tiger、penguin、panda六个类别,这六个类别中每两个类别有一些相同特征,比如tiger和hyena都有条纹,模型训练完后便会将这些特征量化。测试集只有斑马这一个类别,因此也只有一个类别描述——Zebra Descriptions(horse-like,stripe,black&white),每个描述会包含几个特征,此时当我们输入斑马的图片时,模型会把图片与测试集中所有的类别描述一一比对,符合描述所有特征的即为正确分类。