Home

Zero-shot learning

"Как распознать панду, которую никогда не видел"

Нейронная сеть классифицирует фотографии если обучалась на тех же классах фотографий.

Пример: если обучить нейронную сеть на фотографиях зебр, медведей, тигров, то она распознает этих животных после обучения. Но если ей попадется фотография слона, то она не поймет что это.

Цель: обучить нейронную сеть видеть даже те классы, у которых выборка изображений отсутствует.

Пример: обучаем нейронную сеть на фотографиях змей, львов, орлов, она распознает этих животных, лам, верблюдов и скорпионов.

Особенность в том, что обучаем её, базируясь на описании известных классов. С помощью классов, извлеченных из описаний, классифицируем индивидуальности классов изображений.

zero-shot с расстояния пары шагов

Rethinking Zero-Shot Learning: A Conditional Visual Classification Perspective

Applications of Zero-Shot Learning

Ознакомительные статьи

Проект базируется на этих статьях.

• https://arxiv.org/abs/1712.00981
• https://arxiv.org/abs/1812.01784

Используемые репозитории

Проект состоит из комбинаций репозиториев:

• https://github.com/edgarschnfld/CADA-VAE-PyTorch
• https://github.com/chichilicious/Generalized-Zero-Shot-Learning-via-Aligned-Variational-Autoencoders
• https://github.com/Abhipanda4/Feature-Generating-Networks
• https://github.com/akku1506/Feature-Generating-Networks-for-ZSL

1.Основы работы с git

8.Полезная статья, если интересно углубиться в ML и математику внутри нее.