초록
기계 학습 응용을 위한 우수한 특징을 학습하는 과정은 매우 계산적으로 비용이 많이 들 수 있으며, 데이터가 매우 적은 경우 특히 학습이 어려울 수 있다. 이에 대한 전형적인 예는 새로운 클래스에 대해 각각 단 하나의 예시만 제공되는 '원샷 학습(one-shot learning)' 환경이다. 본 논문에서는 유사한 입력 간의 유사도를 자연스럽게 순위 매기기 위한 고유한 구조를 갖춘 시엠즈 신경망(Siamese neural networks)을 학습하는 방법을 탐구한다. 네트워크가 최적화된 후에는 강력한 구분 특징을 활용하여, 단순히 새로운 데이터에 대한 예측 성능을 일반화하는 것을 넘어서, 알 수 없는 분포로부터 온 완전히 새로운 클래스에 대해서도 예측 능력을 확장할 수 있다. 합성곱 아키텍처를 사용함으로써, 다른 딥러닝 모델을 뛰어넘는 우수한 성능을 달성하였으며, 원샷 분류 작업에서 거의 최신 기술 수준에 근접한 성능을 보였다.