초록
저샷 시각 학습---매우 적은 예제로 새로운 객체 카테고리를 인식하는 능력---는 인간의 시각적 지능의 특징입니다. 기존의 머신 러닝 접근 방식은 이러한 방식으로 일반화하는 데 실패합니다. 이 근본적인 문제에 대해 진전을 이루기 위해, 우리는 야생에서 인식 시스템이 직면하는 도전을 모방한 복잡한 이미지에 대한 저샷 학습 벤치마크를 제시합니다. 또한 a) 표현 정규화 기술과 b) 데이터가 부족한 클래스에 대한 추가 훈련 예제를 생성하는 기술을 제안합니다. 우리의 방법들은 함께 사용될 때, 저샷 학습에서 컨벌루션 네트워크의 효과성을 개선하여 어려운 ImageNet 데이터셋에서 새로운 클래스에 대한 원샷 정확도를 2.3배 향상시킵니다.