One-Shot Learning

One-Shot-Learning ist eine spezialisierte Klassifizierungstechnik im Bereich des maschinellen Lernens (ML), die darauf ausgelegt ist, Informationen über Objektkategorien anhand eines einzigen Trainingsbeispiels zu erlernen. Im Gegensatz zu herkömmlichen Algorithmen des tiefen Lernens (DL), die Datensätze mit Tausenden annotierter Bilder benötigen, um effektiv zu generalisieren, ahmt One-Shot-Learning die menschliche Fähigkeit nach, ein neues Konzept sofort zu erfassen. So kann eine Person einen bestimmten exotischen Vogel normalerweise erkennen, nachdem sie ihn nur einmal gesehen hat. Diese Methode versucht, diese Effizienz in Systemen der künstlichen Intelligenz (AI) nachzubilden. Sie ist besonders wertvoll, wenn die Datenannotation teuer, die Datenmenge knapp ist oder neue Kategorien dynamisch hinzugefügt werden müssen, ohne das gesamte Modell neu zu trainieren.

Mechanismen hinter dem Konzept#

Das Kernprinzip von One-Shot-Learning besteht darin, das Ziel von der Standardklassifizierung auf die Bewertung von Ähnlichkeiten zu verlagern. Anstatt ein neuronales Netzwerk (NN) darauf zu trainieren, eine bestimmte Klassenbezeichnung (z. B. „Hund“ oder „Katze“) auszugeben, lernt das Modell eine Distanzfunktion. Eine häufig verwendete Architektur dafür ist das siamesische neuronale Netzwerk, das aus zwei identischen Teilnetzwerken besteht, die dieselben Modellgewichte verwenden.

Während des Betriebs führt das Netzwerk eine Merkmalsextraktion durch, um Eingabebilder in kompakte numerische Vektoren umzuwandeln, die als Embeddings bezeichnet werden. Anschließend vergleicht das System das Embedding eines neuen Anfragebildes mit dem Embedding des einzelnen Referenz-„Shots“. Liegt die mathematische Distanz – häufig berechnet mithilfe der euklidischen Distanz oder der Kosinusähnlichkeit – unter einem bestimmten Schwellenwert, wird festgestellt, dass die Bilder derselben Klasse angehören. Dadurch kann das Modell Identitäten überprüfen oder Objekte anhand ihrer Nähe im erlernten Merkmalsraum klassifizieren.

Der folgende Python-Code zeigt, wie Embeddings extrahiert und Ähnlichkeiten mithilfe eines YOLO26-Klassifizierungsmodells aus dem Paket ultralytics berechnet werden.

import numpy as np
from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model for feature extraction
model = YOLO("yolo26n-cls.pt")

# Extract embeddings for a reference 'shot' and a query image
# The embed() method returns the feature vector directly
shot_vec = model.embed("reference_img.jpg")[0]
query_vec = model.embed("query_img.jpg")[0]

# Calculate similarity (higher dot product implies greater similarity)
similarity = np.dot(shot_vec, query_vec) / (np.linalg.norm(shot_vec) * np.linalg.norm(query_vec))

print(f"Similarity Score: {similarity:.4f}")

Unterscheidung verwandter Paradigmen#

Es ist wichtig, One-Shot-Learning von anderen datenökonomischen Lernverfahren zu unterscheiden, da sie ähnliche Probleme unter unterschiedlichen Einschränkungen lösen:

• Few-Shot-Learning (FSL): Dies ist die übergeordnete Kategorie, die One-Shot-Learning umfasst. Beim FSL erhält das Modell eine kleine „Support-Menge“ von Beispielen, typischerweise zwei bis fünf Bilder pro Klasse. One-Shot-Learning ist einfach der Extremfall, bei dem die Größe der Support-Menge genau eins beträgt.
• Zero-Shot-Learning (ZSL): ZSL befasst sich mit dem Erkennen von Kategorien, die das Modell visuell noch nie gesehen hat. Statt eines Referenzbildes stützt sich ZSL auf semantische Attribute oder Textbeschreibungen (z. B. das Erkennen eines „Zebras“, indem visuelle Merkmale mit der Textbeschreibung „gestreiftes Pferd“ verknüpft werden) mithilfe der Verarbeitung natürlicher Sprache (NLP).
• Transferlernen: Dabei wird ein auf einer großen Datenbank wie ImageNet vortrainiertes Modell übernommen und für eine neue Aufgabe feinabgestimmt. Während Transferlernen die in One-Shot-Learning verwendeten Merkmalsextraktoren ermöglicht, erfordert herkömmliches Transferlernen in der Regel mehr als ein Beispiel, um Gewichte effektiv zu aktualisieren, ohne Überanpassung zu verursachen.

Anwendungen in der Praxis#

One-Shot-Learning hat in Bereichen neue Möglichkeiten eröffnet, in denen die Erfassung großer Mengen an Trainingsdaten nicht praktikabel ist.

Gesichtserkennung und Sicherheit#

Die verbreitetste Anwendung von One-Shot-Learning findet sich in der biometrischen Sicherheit. Wenn du Face ID auf einem Smartphone einrichtest oder dich in einem Mitarbeiterzugangssystem registrierst, erfasst das Gerät eine einzige mathematische Darstellung des Gesichts der betreffenden Person. Im täglichen Gebrauch vergleicht das Gesichtserkennungssystem den Live-Kamerastream mit diesem gespeicherten „One-Shot“, um die Identität zu überprüfen. Dies beruht auf robusten Embedding-Verfahren wie den in der grundlegenden FaceNet-Forschung beschriebenen, damit Änderungen der Beleuchtung oder des Blickwinkels die Ähnlichkeitszuordnung nicht beeinträchtigen.

Industrielle Qualitätskontrolle#

Bei AI in der Fertigung ist es schwierig, einen ausgewogenen Datensatz mit „fehlerhaften“ Teilen zu erstellen, da Fehler selten und uneinheitlich sind. One-Shot-Learning ermöglicht es Systemen für maschinelles Sehen (CV), die Darstellung eines einzelnen „perfekten“ Referenzteils zu erlernen. Jeder Gegenstand am Fließband, dessen Embedding deutlich von diesem Referenzwert abweicht, wird zur Anomalieerkennung markiert. Dadurch wird eine sofortige Qualitätssicherung ermöglicht, ohne Tausende Bilder defekter Teile zu benötigen. Die Verwaltung und Bereitstellung kann über die Ultralytics Platform erfolgen.

Herausforderungen und Ausblick#

Obwohl One-Shot-Learning leistungsfähig ist, reagiert es empfindlich auf Störungen: Ist das einzelne Referenzbild unscharf, verdeckt oder nicht repräsentativ, nimmt die Fähigkeit des Modells, diese Klasse zu erkennen, deutlich ab. Forschende setzen häufig Meta-Learning oder „Lernen zu lernen“ ein, um die Stabilität und Generalisierung des Modells zu verbessern. Mit der Weiterentwicklung der Architekturen integrieren neuere Modelle wie YOLO26 robustere Merkmalsextraktoren, die die One-Shot-Inferenz schneller und genauer machen und den Weg für anpassungsfähigere und intelligentere Edge-AI-Geräte ebnen.