원샷 학습

1 개요[ | ]

객체 분류에 자주 사용되는 머신러닝 접근방식
모델이 단 한 번의 학습 과정으로 여러 개의 클래스 또는 레이블을 인식하도록 훈련되는 기술
하나의 학습 예에서 효과적인 분류자를 학습하는 것을 목적으로 한다.
일반적으로 기존의 분류 모델은 여러 번의 학습 반복을 통해 데이터를 학습하고 최적의 가중치를 찾아내어야 한다. 그러나 원샷 학습은 단 한 번의 학습 과정만으로도 여러 개의 클래스를 인식할 수 있도록 설계되어 있다.
원샷 학습은 주로 작은 데이터셋이나 새로운 클래스가 추가되는 상황에서 유용하게 활용될 수 있다. 예를 들어, 모델이 처음부터 많은 양의 데이터를 학습할 수 없는 경우나 새로운 클래스가 등장하면 기존의 모델을 즉시 확장하여 학습시키는 데 사용될 수 있다.
원샷 학습 방법은 ppSiamese 네트워크]], Triplet 네트워크 등의 아키텍처를 활용하여 구현될 수 있다. 이러한 모델은 단일 이미지나 샘플을 학습하고 이를 기반으로 다른 이미지나 샘플에 대한 유사성을 평가하여 분류를 수행한다.