One Shot Learning

前言

face recognition所遇到最大的難題是什麼?

內容

• One-shot learning

  

• One-shot learning: 只給模型一個人臉圖片，就要讓模型學會辨識這個人臉。
• 之前學到的影像辨識都是利用CNN＋softmax。

  • 只有4個樣本是沒辦法訓練有效的模型。
  • 且增加新人的圖片時，模型又要重新訓練。

• 因此勢必要有新方式來處理這樣的問題。

• Learning a “similarity” function

  

• 解決方案: similarity function。
• 利用similarity function來計算2張圖的差異度。

  • 當差異度小到某個值，就表示為同一個人，否則，就是不同人。

• 讓模型的學習目標改成如何學習similarity function。
• 當模型正確學會similarity function，此時若有新人的照片進來，就是讓模型利用similarity function去跟所有樣本圖去做比對，找到差異最小，就完成了recognition。

該學到的

• 什麼One-shot learning problem?
• 為什麼不能直接用CNN ?
• 如何用similarity function來解決ne-shot learning problem?