퓨샷 러닝: Difference between revisions
From CS Wiki
(새 문서: 분류:인공지능 ;Few-shot Learning 대량의 학습 데이터가 없는 상태에서 소량의 데이터만으로 효과적으로 학습하는데 주안점을 둔 학습 방...) |
No edit summary |
||
| Line 10: | Line 10: | ||
== 학습 방법 == | == 학습 방법 == | ||
=== 데이터셋 구성 === | === 데이터셋 구성 === | ||
* | * '''서포트 데이터(support data)''': 훈련에 사용 | ||
* | * '''쿼리 데이터(query data)''': 테스트에 사용 | ||
=== 러닝 태스크 === | === 러닝 태스크 === | ||
| Line 37: | Line 37: | ||
== 참고 문헌 == | == 참고 문헌 == | ||
* [ | * [http://aidev.co.kr/deeplearning/9286 퓨샷 러닝(few-shot learning)과 메타 러닝(meta-learning)] | ||
* [https://www.kakaobrain.com/blog/106?fbclid=IwAR3pYh_Rl0NvqQFFuTWVmPiYREU3R0d15SpDUngmRvJPN-M4q7sjyufF_vA 퓨샷 러닝(few-shot learning) 연구 동향을 소개합니다.] | |||
* [ | * [https://www.sedaily.com/NewsView/1VHPK6NWWG 소량의 데이터로 학습하는 퓨샷러닝] | ||
Revision as of 20:27, 29 March 2021
- Few-shot Learning
대량의 학습 데이터가 없는 상태에서 소량의 데이터만으로 효과적으로 학습하는데 주안점을 둔 학습 방식
기존 학습 방법의 문제점
- 방대한 데이터 필요
- 방대한 데이터의 라벨링 작업 필요[1]
- 학습을 위한 대량의 컴퓨팅 리소스 필요
학습 방법
데이터셋 구성
- 서포트 데이터(support data): 훈련에 사용
- 쿼리 데이터(query data): 테스트에 사용
러닝 태스크
- N-way K-shot 문제
- N은 범주의 수
- K는 범주별 서포트 데이터의 수
- K가 많을수록 이 범주에 해당하는 데이터를 예측하는 모델의 성능(추론 정확도) 항샹
- 퓨샷 러닝은 이 K가 매우 작은 상황에서의 모델 학습
- 퓨샷 러닝 모델의 성능은 N과 반비례하며 K와는 비례하는 관계
학습 방식
- 거리 학습 기반 방식
- Siamese Neural network for one-shot image recognition
- Matching networks for one-shot learning
- Prototypical networks for few-shot learning
- Learning to compare : relation network for few-shot learning
- 그래프 신경망 방식
- Few-shot learning with graph neural networks
- Transductive propagation network for few-shot learning (TPN)
같이 보기
참고 문헌
- 퓨샷 러닝(few-shot learning)과 메타 러닝(meta-learning)
- 퓨샷 러닝(few-shot learning) 연구 동향을 소개합니다.
- 소량의 데이터로 학습하는 퓨샷러닝
- ↑ 지도학습의 경우 데이터가 있더라도 데이터 라벨링에 상당한 시간과 인력이 필요. 자체적으로 수행할 환경이 안 되는 경우 아마존의 메커니컬터크(Mechanical Turk)처럼 유료로 데이터에 주석을 달아주는 서비스를 이용
