HyperAIHyperAI
منذ 2 أشهر

تعلم المقارنة: شبكة العلاقات للتعلم القليل الإطارات

Flood Sung; Yongxin Yang; Li Zhang; Tao Xiang; Philip H.S. Torr; Timothy M. Hospedales
تعلم المقارنة: شبكة العلاقات للتعلم القليل الإطارات
الملخص

نقدم إطارًا مفهوميًا بسيطًا ومروّنًا وشاملًا للتعلم القليل النموذج (few-shot learning)، حيث يجب على المصنف أن يتعلم التعرف على فئات جديدة بناءً على عدد قليل من الأمثلة لكل فئة. طريقتنا، التي تُسمى شبكة العلاقات (Relation Network - RN)، يتم تدريبها من البداية حتى النهاية بشكل كامل. أثناء التعلم الأعلى (meta-learning)، تتعلم هذه الشبكة كيفية تعلم مقياس بُعد عميق لمقارنة عدد قليل من الصور داخل الحلقات، وكل حلقة مصممة لمحاكاة سيناريو التعلم القليل النموذج. بمجرد اكتمال التدريب، تكون شبكة العلاقات قادرة على تصنيف صور الفئات الجديدة عن طريق حساب درجات العلاقات بين صور الاستفسار والأمثلة القليلة لكل فئة جديدة دون تحديث إضافي للشبكة. بالإضافة إلى تقديم أداء أفضل في التعلم القليل النموذج، يمكن توسيع إطارنا بسهولة ليشمل التعلم الصفر (zero-shot learning). تظهر التجارب الواسعة على خمسة مقاييس مرجعية أن نهجنا البسيط يقدم حلًّا موحدًا وفعالًا لكلا المهمتين.

تعلم المقارنة: شبكة العلاقات للتعلم القليل الإطارات | أحدث الأوراق البحثية | HyperAI