Zero-Shot LearningZero-Shot Learning
ゼロショット学習 (ZSL) は、深層学習の問題設定です。テスト時に、学習者はトレーニング中に観察されなかったクラスのサンプルを観察し、それらが属するクラスを予測する必要があります。この問題は、コンピューター ビジョン、自然言語処理、機械認識の分野で広く研究されています。 Zero-Shot の主な目的は、トレーニング サンプルなしで結果を予測する機能を取得することであり、マシンはトレーニング中にトレーニングされなかったクラスのオブジェクトを認識する必要があります。ゼロショット学習は知識の伝達に基づいており、トレーニング中に提供されるインスタンスにすでに含まれています。
ゼロショット学習の重要性と応用
- データ アノテーションは労働集約的なタスクであり、特定のカテゴリのトレーニング データが不足している場合はゼロショット学習を使用できます。
- ゼロショット学習は、モデルが以前に学習したタスクを再学習せずに新しいタスクを学習する必要があるシナリオに導入できます。
- 機械学習モデルの一般化能力を向上させます。
- ゼロショットは、従来の方法 (試行錯誤による学習など) よりも新しい情報を学習する効率的な方法である可能性があります。
- 画像分類や物体検出において、ゼロショット学習は視覚効果を見つけるのにも役立ちます。
- Zero Lens は、画像生成や画像検索など、複数の詳細な作業フレームワークの開発もサポートします。