초록
본 논문은 훈련 시 단 몇 개의 주석이 있는 예제만 사용할 수 있는 상황에서 이미지로부터 이미지 라벨을 추론하는 문제를 다룹니다. 이러한 설정은 종종 저 샷 학습(low-shot learning)으로 알려져 있으며, 일반적인 접근 방식은 풍부한 훈련 예제가 있는 별도의 클래스에서 학습된 컨벌루션 신경망(convolutional neural network)의 마지막 몇 개 층을 재훈련하는 것입니다. 우리는 대규모 이미지 컬렉션을 활용하여 라벨 전파(label propagation)를 지원하는 반 지도 학습(semi-supervised) 설정을 고려합니다. 이는 최근 대규모 유사성 그래프 구축(similarity graph construction)에 관한 연구 진전 덕분에 가능해졌습니다. 본 연구는 개념적으로 간단하지만, 수억 개의 이미지로 라벨 전파를 확장하면 저 샷 학습 체제에서 최고 수준의 정확도를 달성할 수 있음을 보여줍니다.