【深度神经网络 One-shot Learning】孪生网络少样本精准分类

传统观点一般认为，深度神经网络通常比较擅长从高维数据中学习，例如图像或者语言，但这是建立在它们有大量标记的样本来训练的情况下。然而，人类却拥有单样本学习的能力——如果你找一个从来没有见过小铲刀的人，给他一张小铲刀的图片，他应该就能很高效的将它从其他厨房用具里面鉴别出来。

这是一种对人类来说很容易的任务，但是直到我们想写一个算法让它去做这件事……那就GG了 。很明显，机器学习系统很希望拥有这种快速从少量样本中去学习的能力，因为收集和标记数据是一个耗时费力的工作。而且，我认为这是通往通用人工智能的漫漫长路中很重要的一步。

最近涌现出来很多有趣的基于神经网络的单样本学习论文，它们已经得到了一些不错的结果。这是一个让我很激动的新领域，所以我想去对它做一个简要介绍，来让深度学习新手更好的认识它。

在这篇博客中，我想：

• 介绍并定义单样本学习问题
• 描述单样本分类问题的基准，并给出一个其性能的baseline
• 给出一个少样本学习的例子，并部分实现这篇论文中提到的模型
• 指出一些大家通常不会想到的小点子

定义问题：N类别单样本学习（One-shot Learning）

在我们解决任何问题之前，我们应该精准的定义出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 y∈S 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 仅有单个样本换成 k 个样本就可以了
• 当N很高时候， 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。图示分别为9类，25类，36类的单样本学习任务。

关于数据集 Omniglot！

Omniglot数据集拥有50种文字，1623类手写字符。对于每类字符仅有20个样本，每个样本分别由不同的人绘制而成，分辨率为105*105。

上面是Omniglot数据集的一些例子，如图所示，这里有很多种字符，如果你喜欢机器学习，你肯定听说过 MNIST 数据集。Omniglot有时被成为 MNIST 的转置，因为它有1623类字符，每类只有20个样本，相比 MNIST 的10个类别，每个类别都有上千样本，正好相反。Omniglot 还有创作的笔画数据，但是我们这里用不到它。

通常，我们把样本分为30类训练样本，剩下20类作为评估。所有这些不同的字符可以组成很多种单样本学习任务，所以它确实是单样本学习的一个很好的评估标准。

一个单样本学习的 Baseline：1 近邻

最简单的分类方式是使用 k-近邻方法，但是因为每个类别只有一个样本，所以我们需要用 1近邻。这很简单，只需要计算测试样本与训练集中每个样本的欧式距离，然后选择最近的一个就可以了：

根据Koch等人的论文，在Omniglot数据集中的20类上，单样本分类，1-nn可以得到大约28%的精度，28%看起来很差，但是它已经是随机猜测（5%）的 6 倍了。这是一个单样本学习算法最好的baseline 或者“合理性测试”了。

Lake等人的 Hierarchical Bayesian Program Learning，层次贝叶斯程序学习（以下简称 HBPL）得到了大约 95.2%的精度，非常不错。我只看懂了30%，但它非常有趣，它与深度学习直接从原始像素上训练相比，是风马牛不相及的，因为：

1. HBPL使用笔画数据，而不是仅仅用原始像素；
2. HBPL在Omniglot数据集上学习一个笔画的生成模型，这个算法需