Zero-Shot Learning

기본개념

인공지능이든 기계학습이든 데이터는 중요하다.

막상 현실의 문제는 데이터는 많아도 양질의 데이터로 뽑아내기 힘든 것..

소량의 데이터로 이미지 분류하는 논문을 작성한 적이 있는데, 이 부분도 광범위한 데이터를 양질의 데이터로 전처리하는 것이 시간적 여유가 되지 않아서 생각하게 된 아이디어다.

​이러한 현실 문제와 한계를 해결할 수 있는 것이 zero-shot learning 인 것 같아 관심을 가지게 되었다.

​

Zero-Shot Learning 이란?

일반적인 사람의 능력을 학습으로 바꾼것이며 전이학습에서 발전된 기계학습의 한 종류이다.

즉, 데이터 간의 관계와 공통점으로 정답을 찾는 것!

특징

1. 데이터가 없어도 양질의 패턴이나 결과를 도출할 수 있다.

2. label 값을 따로 지정하지 않아도 분류가 가능

Ex. 강아지 데이터를 통해 강아지 클래스를 학습하였는데 고양이 사진을 넣었다. 그럼 기존 인공지능의 경우는 분류하지 못하거나 유사도를 낮추며 강아지 클래스로 갈 것이다. 이러한 경우 제로샷 러닝은 고양이라는 클래스를 생성하는 것.