퓨샷 러닝

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
• 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

• 메타 러닝
• 원샷 러닝
• AutoML

참고 문헌

• 퓨샷 러닝(few-shot learning)과 메타 러닝(meta-learning)
• 퓨샷 러닝(few-shot learning) 연구 동향을 소개합니다.
• 소량의 데이터로 학습하는 퓨샷러닝