EASY: 앙상블 증강 샷 Y형 학습: 간단한 구성 요소로 구현하는 최신 기술 기반 소수 샘플 분류

소수 샘플 학습(few-shot learning)은 각 클래스에 대해 단 몇 개의 레이블링된 샘플만 존재하는 새로운 문제에서 우수한 분류 성능을 달성하기 위해 하나 이상의 딥러닝 모델이 학습한 지식을 활용하는 것을 목표로 한다. 최근 몇 년간 이 분야에는 다양한 요소를 포함한 수많은 연구들이 제안되어 왔다. 그러나 흔히 발생하는 문제는, 지식을 추출하기 위해 하위 최적화된 모델을 사용하는 것이며, 이로 인해 제안된 방법이 도입된 요소 없이 더 나은 초기 모델을 사용했을 때보다 실제로 성능 향상이 있는지에 대한 의문이 제기된다. 본 연구에서는, 일반 데이터셋에서 초기 딥러닝 모델을 훈련하는 데 사용되는 하이퍼파라미터나 파라미터를 거의 추가하지 않으면서도, 이 분야의 다수 표준 기준 벤치마크에서 최신 기술 수준의 성능을 달성하거나 이를 초월하는 간단한 방법론을 제안한다. 이 방법론은 새로운 기술을 제안하거나 기존 기술을 적응시키는 데 있어 새로운 기준을 제시하며, 공정한 비교를 가능하게 한다.