1、意义
- 减少训练数据
1.深度学习需要大量的数据
2.MNIST为了10个类别的区分,需要60000张训练图像,平均一个类别需要6000张训练图像
3.One-Shot试图将一个类别的训练图像减少,极端情况减小到一张图片 - 在新类别的数据出现时,无需重新训练
1.传统的深度神经网络无法处理没有出现在训练集中的类别
2.以员工刷脸打卡为例,使用传统深度神经网络,每一个新员工入职,都是一个新的类别,需要重新训练深度神经网络
3.如果每天都有新员工入职,每天都需要重新训练网络,成本非常高
4.One-Shot learning 可以无需重新训练即可应用于新的类别的数据
2、原理
- 传统的神经网络试图学习某一个类别的图像的表达
- One-Shot Learning 试图学习不同图像(可以同一类别或者不同类别)的区别
3、Siamese Network
判断两个网络相似度