One-Shot Learning

El aprendizaje de una sola muestra (One-Shot Learning) es una técnica de clasificación especializada en machine learning (ML) diseñada para aprender información sobre categorías de objetos a partir de un único ejemplo de entrenamiento. A diferencia de los algoritmos de deep learning (DL) tradicionales, que requieren enormes datasets que contengan miles de imágenes anotadas para generalizar de forma efectiva, el One-Shot Learning imita la capacidad cognitiva humana de comprender un concepto nuevo al instante. Por ejemplo, una persona suele ser capaz de reconocer un ave exótica específica tras verla solo una vez; esta metodología intenta replicar esa eficiencia en sistemas de inteligencia artificial (AI). Es especialmente valioso en situaciones donde el etiquetado de datos es costoso, los datos son escasos o se deben añadir nuevas categorías de forma dinámica sin tener que reentrenar el modelo completo.

Link to this sectionMecanismos detrás del concepto#

El principio fundamental del One-Shot Learning implica desplazar el objetivo de la clasificación estándar hacia la evaluación de similitud. En lugar de entrenar una red neuronal (NN) para que proporcione una etiqueta de clase específica (por ejemplo, "perro" o "gato"), el modelo aprende una función de distancia. Una arquitectura común empleada para esto es la red neuronal siamesa, que consta de dos subredes idénticas que comparten los mismos pesos del modelo.

Durante el funcionamiento, la red realiza una extracción de características para convertir las imágenes de entrada en vectores numéricos compactos conocidos como embeddings. El sistema compara entonces el embedding de una nueva imagen de consulta frente al embedding de la única "muestra" de referencia. Si la distancia matemática, calculada a menudo mediante distancia euclidiana o similitud de coseno, está por debajo de cierto umbral, se determina que las imágenes pertenecen a la misma clase. Esto permite al modelo verificar la identidad o clasificar objetos basándose en su proximidad en el espacio de características aprendido.

El siguiente código en Python demuestra cómo extraer embeddings y calcular la similitud utilizando un modelo de clasificación YOLO26 del paquete ultralytics.

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}")

Link to this sectionDistinguir paradigmas relacionados#

Es importante diferenciar el One-Shot Learning de otras técnicas de aprendizaje eficientes en cuanto a datos, ya que resuelven problemas similares mediante restricciones diferentes:

• Few-Shot Learning (FSL): Esta es la categoría más amplia que abarca el One-Shot Learning. En el FSL, el modelo recibe un pequeño "conjunto de soporte" de ejemplos, que suele oscilar entre dos y cinco imágenes por clase. El One-Shot Learning es simplemente el caso extremo donde el tamaño del conjunto de soporte es exactamente uno.
• Zero-Shot Learning (ZSL): El ZSL se ocupa de reconocer categorías que el modelo nunca ha visto visualmente. En lugar de una imagen de referencia, el ZSL se basa en atributos semánticos o descripciones textuales (por ejemplo, identificar una "cebra" asociando características visuales con la descripción textual "caballo a rayas") mediante procesamiento de lenguaje natural (NLP).
• Transfer Learning: Esto implica tomar un modelo preentrenado en una base de datos grande como ImageNet y ajustarlo (fine-tuning) en una nueva tarea. Aunque el transfer learning potencia los extractores de características utilizados en el One-Shot Learning, el transfer learning estándar suele requerir más de un ejemplo para actualizar los pesos de manera efectiva sin sufrir sobreajuste (overfitting).

Link to this sectionAplicaciones en el mundo real#

El One-Shot Learning ha desbloqueado capacidades en sectores donde recopilar grandes cantidades de datos de entrenamiento resulta poco práctico.

Link to this sectionReconocimiento facial y seguridad#

La aplicación más ubicua del One-Shot Learning se encuentra en la seguridad biométrica. Al configurar Face ID en un smartphone o registrarse en un sistema de acceso para empleados, el dispositivo captura una única representación matemática de la cara del usuario. Durante el uso diario, el sistema de reconocimiento facial compara la transmisión en directo de la cámara con esta "única muestra" almacenada para verificar la identidad. Esto se basa en técnicas robustas de embedding, como las analizadas en la investigación fundamental de FaceNet, para garantizar que los cambios en la iluminación o el ángulo no interrumpan la coincidencia de similitud.

Link to this sectionControl de calidad industrial#

En AI in manufacturing, crear un conjunto de datos equilibrado de piezas "defectuosas" es difícil porque los defectos son raros e inconsistentes. El One-Shot Learning permite a los sistemas de visión artificial (CV) aprender la representación de una única pieza de referencia "perfecta". Cualquier artículo en la línea de montaje que genere un embedding significativamente distante de esta referencia se marca para su detección de anomalías. Esto permite un control de calidad inmediato sin necesidad de miles de imágenes de piezas rotas, lo cual puede gestionarse e implementarse a través de la Ultralytics Platform.

Link to this sectionDesafíos y perspectivas de futuro#

Aunque es potente, el One-Shot Learning es susceptible al ruido; si la única imagen de referencia está borrosa, obstruida o no es representativa, la capacidad del modelo para reconocer esa clase se degrada significativamente. Los investigadores emplean a menudo el meta-learning, o "aprender a aprender", para mejorar la estabilidad y la generalización del modelo. A medida que las arquitecturas evolucionan, modelos más recientes como YOLO26 incorporan extractores de características más robustos que hacen que la inferencia de una sola muestra sea más rápida y precisa, preparando el camino para dispositivos de Edge AI más adaptables e inteligentes.