One-Shot Learning

One-Shot Learning ist eine spezialisierte Klassifikationstechnik im machine learning (ML), die entwickelt wurde, um Informationen über Objektkategorien aus einem einzigen Trainingsbeispiel zu lernen. Im Gegensatz zu traditionellen deep learning (DL)-Algorithmen, die massive datasets mit Tausenden von annotierten Bildern erfordern, um effektiv zu verallgemeinern, ahmt One-Shot Learning die menschliche kognitive Fähigkeit nach, ein neues Konzept sofort zu erfassen. Beispielsweise kann ein Mensch normalerweise einen bestimmten exotischen Vogel erkennen, nachdem er ihn nur einmal gesehen hat; diese Methodik versucht, diese Effizienz in artificial intelligence (AI)-Systemen zu replizieren. Sie ist besonders wertvoll in Szenarien, in denen die data labeling teuer ist, Daten knapp sind 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 Standardklassifikation auf die Ähnlichkeitsbewertung zu verlagern. Anstatt ein neural network (NN) darauf zu trainieren, ein bestimmtes Klassenlabel auszugeben (z. B. „Hund“ oder „Katze“), lernt das Modell eine Distanzfunktion. Eine gängige Architektur, die hierfür eingesetzt wird, ist das Siamese neural network, das aus zwei identischen Subnetzwerken besteht, die dieselben model weights teilen.

Während des Betriebs führt das Netzwerk eine feature extraction durch, um Eingabebilder in kompakte numerische Vektoren, sogenannte embeddings, umzuwandeln. Das System vergleicht dann das Embedding eines neuen Abfragebildes mit dem Embedding der einzelnen Referenz-" Aufnahme ". Wenn die mathematische Distanz – die häufig mittels Euclidean distance oder cosine similarity berechnet wird – unter einem bestimmten Schwellenwert liegt, wird festgestellt, dass die Bilder derselben Klasse angehören. Dies ermöglicht es dem Modell, die Identität zu überprüfen oder Objekte basierend auf ihrer Nähe im gelernten Merkmalsraum zu klassifizieren.

Der folgende Python-Code zeigt, wie Embeddings extrahiert und die Ähnlichkeit mithilfe eines YOLO26-Klassifikationsmodells 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 dateneffizienten Lerntechniken abzugrenzen, da diese ähnliche Probleme durch unterschiedliche Einschränkungen lösen:

• Few-Shot Learning (FSL): Dies ist die übergeordnete Kategorie, die One-Shot Learning umfasst. Beim FSL wird dem Modell eine kleine "Support-Menge" von Beispielen zur Verfügung gestellt, die typischerweise zwei bis fünf Bilder pro Klasse umfasst. One-Shot Learning ist schlicht der Extremfall, bei dem die Größe der Support-Menge genau eins beträgt.
• Zero-Shot Learning (ZSL): ZSL befasst sich mit der Erkennung von Kategorien, die das Modell nie visuell gesehen hat. Anstelle eines Referenzbildes stützt sich ZSL auf semantische Attribute oder Textbeschreibungen (z. B. Identifizierung eines „Zebras“ durch Verknüpfung visueller Merkmale mit der Textbeschreibung „gestreiftes Pferd“) über natural language processing (NLP).
• Transfer Learning: Dies beinhaltet die Verwendung eines Modells, das auf einer großen Datenbank wie ImageNet vortrainiert wurde, und dessen Feinabstimmung für eine neue Aufgabe. Während Transfer Learning die in One-Shot Learning verwendeten Merkmalsextraktoren antreibt, erfordert Standard-Transfer Learning normalerweise mehr als ein Beispiel, um Gewichte effektiv zu aktualisieren, ohne overfitting.

Praxisanwendungen#

One-Shot Learning hat Fähigkeiten in Bereichen erschlossen, in denen das Sammeln großer Mengen von training data unpraktisch ist.

Gesichtserkennung und Sicherheit#

Die verbreitetste Anwendung von One-Shot Learning findet sich in der biometrischen Sicherheit. Beim Einrichten von Face ID auf einem Smartphone oder bei der Registrierung in einem Mitarbeiterzugangssystem erfasst das Gerät eine einzige mathematische Darstellung des Gesichts des Benutzers. Während des täglichen Gebrauchs vergleicht das facial recognition-System den Live-Kamera-Feed mit diesem gespeicherten „One Shot“, um die Identität zu überprüfen. Dies beruht auf robusten Embedding-Techniken, wie sie in der grundlegenden FaceNet research diskutiert werden, um sicherzustellen, dass Änderungen der Beleuchtung oder des Winkels die Ähnlichkeitsübereinstimmung nicht beeinträchtigen.

Industrielle Qualitätskontrolle#

In AI in manufacturing ist das Erstellen eines ausgewogenen Datensatzes von „defekten“ Teilen schwierig, da Defekte selten und inkonsistent sind. One-Shot Learning ermöglicht es computer vision (CV)-Systemen, die Darstellung eines einzelnen „perfekten“ Referenzteils zu lernen. Jedes Element am Fließband, das ein Embedding erzeugt, das signifikant von dieser Referenz abweicht, wird zur anomaly detection markiert. Dies ermöglicht eine sofortige Qualitätssicherung, ohne dass Tausende von Bildern beschädigter Teile erforderlich sind, was über die Ultralytics Platform verwaltet und bereitgestellt werden kann.

Herausforderungen und Zukunftsaussichten#

Obwohl mächtig, ist One-Shot Learning anfällig für Rauschen; wenn das einzelne Referenzbild unscharf, verdeckt oder nicht repräsentativ ist, verschlechtert sich die Fähigkeit des Modells, diese Klasse zu erkennen, erheblich. Forscher setzen oft meta-learning oder „Lernen zu lernen“ ein, um die Modellstabilität und -verallgemeinerung zu verbessern. Mit der Weiterentwicklung von Architekturen integrieren neuere Modelle wie YOLO26 robustere Merkmalsextraktoren, die die One-Shot-Inferenz schneller und genauer machen, und ebnen so den Weg für adaptivere und intelligentere edge AI-Geräte.