One-Shot Learning

L'apprendimento one-shot (One-Shot Learning) è una tecnica di classificazione specializzata nell'machine learning (ML) progettata per apprendere informazioni sulle categorie di oggetti da un singolo esempio di addestramento. A differenza dei tradizionali algoritmi di deep learning (DL), che richiedono enormi dataset contenenti migliaia di immagini annotate per generalizzare efficacemente, l'apprendimento one-shot imita la capacità cognitiva umana di cogliere un nuovo concetto all'istante. Ad esempio, una persona è solitamente in grado di riconoscere uno specifico uccello esotico dopo averlo visto una sola volta; questa metodologia tenta di replicare tale efficienza nei sistemi di intelligenza artificiale (AI). È particolarmente preziosa in scenari in cui l'etichettatura dei dati è costosa, i dati sono scarsi o è necessario aggiungere nuove categorie dinamicamente senza riaddestrare l'intero modello.

Meccanismi alla base del concetto#

Il principio fondamentale dell'apprendimento one-shot consiste nello spostare l'obiettivo dalla classificazione standard alla valutazione della similitudine. Invece di addestrare una rete neurale (NN) a restituire un'etichetta di classe specifica (ad esempio, "cane" o "gatto"), il modello apprende una funzione di distanza. Un'architettura comune impiegata a questo scopo è la rete neurale siamese, che consiste di due sotto-reti identiche che condividono gli stessi pesi del modello.

Durante il funzionamento, la rete esegue l'estrazione di caratteristiche per convertire le immagini di input in vettori numerici compatti noti come embedding. Il sistema confronta quindi l'embedding di una nuova immagine di query con l'embedding del singolo "scatto" di riferimento. Se la distanza matematica — calcolata spesso usando la distanza euclidea o la similitudine del coseno — è inferiore a una certa soglia, viene stabilito che le immagini appartengono alla stessa classe. Ciò consente al modello di verificare l'identità o classificare gli oggetti in base alla loro vicinanza nello spazio delle caratteristiche appreso.

Il seguente codice Python dimostra come estrarre gli embedding e calcolare la similitudine utilizzando un modello di classificazione YOLO26 dal pacchetto 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}")

Distinguere paradigmi correlati#

È importante differenziare il One-Shot Learning da altre tecniche di apprendimento efficienti in termini di dati, poiché risolvono problemi simili attraverso vincoli diversi:

• Apprendimento few-shot (FSL): Questa è la categoria più ampia che comprende l'apprendimento one-shot. Nel FSL, al modello viene fornito un piccolo "support set" di esempi, tipicamente compreso tra due e cinque immagini per classe. L'apprendimento one-shot è semplicemente il caso estremo in cui la dimensione del support set è esattamente uno.
• Apprendimento zero-shot (ZSL): Lo ZSL si occupa di riconoscere categorie che il modello non ha mai visto visivamente. Invece di un'immagine di riferimento, lo ZSL si basa su attributi semantici o descrizioni testuali (ad esempio, identificando una "zebra" associando le caratteristiche visive alla descrizione testuale "cavallo a strisce") tramite l'elaborazione del linguaggio naturale (NLP).
• Transfer Learning: Questo comporta l'utilizzo di un modello pre-addestrato su un ampio database come ImageNet e il suo fine-tuning su una nuova attività. Sebbene il transfer learning alimenti gli estrattori di caratteristiche utilizzati nell'apprendimento one-shot, il transfer learning standard richiede solitamente più di un esempio per aggiornare efficacemente i pesi senza overfitting.

Applicazioni nel mondo reale#

L'apprendimento one-shot ha sbloccato funzionalità in settori in cui la raccolta di vaste quantità di dati di addestramento risulta non pratica.

Riconoscimento facciale e sicurezza#

L'applicazione più onnipresente dell'apprendimento one-shot è nella sicurezza biometrica. Quando configuri Face ID su uno smartphone o ti registri in un sistema di accesso per dipendenti, il dispositivo cattura una singola rappresentazione matematica del volto dell'utente. Durante l'uso quotidiano, il sistema di riconoscimento facciale confronta il flusso video in tempo reale della telecamera con questo "uno scatto" memorizzato per verificare l'identità. Questo si basa su tecniche di embedding robuste, come quelle discusse nella ricerca fondamentale FaceNet, per assicurare che variazioni di illuminazione o angolazione non interrompano la corrispondenza di similitudine.

Controllo qualità industriale#

Nell'intelligenza artificiale nella produzione, creare un dataset bilanciato di parti "difettose" è difficile perché i difetti sono rari e incoerenti. L'apprendimento one-shot consente ai sistemi di visione artificiale (CV) di apprendere la rappresentazione di una singola parte di riferimento "perfetta". Qualsiasi articolo sulla catena di montaggio che produca un embedding significativamente distante da questo riferimento viene contrassegnato per il rilevamento delle anomalie. Ciò consente un controllo qualità immediato senza la necessità di migliaia di immagini di parti rotte, che possono essere gestite e distribuite tramite la Ultralytics Platform.

Sfide e prospettive future#

Sebbene potente, l'apprendimento one-shot è suscettibile al rumore; se la singola immagine di riferimento è sfocata, ostruita o non rappresentativa, la capacità del modello di riconoscere quella classe si degrada notevolmente. I ricercatori impiegano spesso il meta-learning, o "imparare ad imparare", per migliorare la stabilità e la generalizzazione del modello. Con l'evoluzione delle architetture, i modelli più recenti come YOLO26 stanno incorporando estrattori di caratteristiche più robusti che rendono l'inferenza one-shot più veloce e accurata, aprendo la strada a dispositivi edge AI più adattivi e intelligenti.