Omniglot 分类任务

在深入分类任务之前，让我们先定义 Omniglot 的含义。

Omniglot 数据集：这是一个包含来自 50 个不同字母表的 1623 个字符的数据集，每个字符由一组 20 个不同的人手绘。创建此数据集是为了研究人类和机器如何适应一次性学习，即仅从一个示例中学习一项任务。

来源：https://paperswithcode.com/dataset/omniglot-1

omniglot 数据集的准备方式是，上图中的每个字符都由 20 个不同的人编写。

Omniglot 挑战：向机器学习和人工智能社区发布的Omniglot 挑战集中在 5 个主要任务上：

1. 一次性分类
2. 解析
3. 产生新的范例
4. 产生新概念（从类型）
5. 产生新概念（无约束）

在本文中，我们将重点关注分类任务。我们将使用一次性分类技术来执行此任务。在进入分类技术之前，让我们了解 One-Shot Learning 背后的直觉。

一次性学习

当人类第一次看到一个物体时，他们能够记住该物体的一些特征。因此，每当他们看到其他同类物体时，他们都能立即识别出来。即使他们只见过那个物体一次，人类也能将它与那个类别联系起来。这被称为一次性学习。让我们举个例子。

假设一个人第一次在电视上看到冰箱并希望购买它。当那个人访问电子产品商店时，他/她能够立即识别出哪些电器是冰箱，哪些不是。人脑的这一原理被称为一次性学习。

根据定义，一次性学习是一种机器用来将新对象分类为不同类别的技术，前提是它在训练期间只从每个类别中看到一个对象。

直觉：

一次性学习使用连体神经网络模型。在这里，模型的目标是找到 2 个图像之间的“相似度” （d） 。我们使用以下公式找到d ：

$d = |f_{(X_1)} - f_{(X_2)}|$

where, 
d -> degree of similarity
f(xi) -> 128-D feature vector

现在，我们通过 CNN 模型找到每张图像的 128 维特征向量。通过这种方式，我们可以获得特定图像中存在的所有关键特征。 （如图2所示）

图 2：从输入图像中提取 128-D FV

训练阶段：

在 Siamese Network 模型的训练阶段，我们使用了三元组损失函数。在这个过程中，我们采用了两个相似图像（正和锚）和一个来自数据集的不同图像（负）的 128 维特征向量。

我们基于这组 3 张图像训练模型，其中两幅相似图像之间的相似距离非常小。因此，距离越小，两幅图像越相似。 （如图3-步骤7所示）

图 3：一次性学习 Siamese 网络

Fig 3 shows the steps involved in properly implementing the Siamese Network Model.

测试阶段：

如上所述，三元组损失函数使用 3 个图像（锚、正负）的多种组合进行训练。在此阶段，我们将研究具有不同大小支持集的一次性分类的不同方法。

N 支持集：是在测试阶段与新接收到的图像匹配的 N 个图像的集合。

我们找到支持集中的每个图像与新输入图像之间的相似距离 d。显示出最大相似度（d 的最小值）的图像决定了新图像将被分类到的类别。

N-way 分类的类型

这些是下面给出的一些 N 路分类版本：

• 4路一次性分类
• 10路一次性分类
• 20路一次性分类

请参阅图 4 以更好地理解 N 路分类的工作原理。

图 4：通过 N-way one Shot 分类进行测试

如上图所示，在 N-way one-shot 分类中，将有一个图像与输入测试图像最相似，与其余 (N-1) 对图像相比。我们可以根据需要设置 N 的值。我们必须了解在此处选择 N 的最佳值的重要性。

N的重要性：

随着 N 值的增加，支持集的复杂度也随之增加。因此，测试图像落入错误类别的可能性更高。如果 N 的值很小，则支持集中图像的特征很容易区分。因此，使分类任务更容易。

因此，根据我们的要求，我们在测试阶段选择合适的 N-way one-shot 分类模型以获得最佳结果。如有任何疑问/疑问，请在下方评论。