One-Shot Learning

Il One-Shot Learning è una tecnica di classificazione specializzata nell'apprendimento automatico (ML) progettata per apprendere informazioni su categorie di oggetti partendo 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, il One-Shot Learning imita la capacità cognitiva umana di cogliere un nuovo concetto istantaneamente. 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 prezioso in scenari in cui l'etichettatura dei dati è costosa, i dati sono scarsi o nuove categorie devono essere aggiunte dinamicamente senza riaddestrare l'intero modello.

Link to this sectionMeccanismi alla base del concetto#

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

Durante il funzionamento, la rete esegue l'estrazione delle 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, spesso calcolata utilizzando la distanza euclidea o la similarità del coseno, è inferiore a una certa soglia, le immagini vengono determinate come appartenenti alla stessa classe. Ciò consente al modello di verificare l'identità o classificare gli oggetti in base alla loro prossimità nello spazio delle caratteristiche appreso.

Il seguente codice Python mostra come estrarre gli embedding e calcolare la similarità utilizzando un modello di classificazione YOLO26 del 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}")

Link to this sectionDistinguere 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:

• Few-Shot Learning (FSL): Questa è la categoria più ampia che comprende il One-Shot Learning. Nel FSL, al modello viene fornito un piccolo "support set" di esempi, che solitamente varia da due a cinque immagini per classe. Il One-Shot Learning è semplicemente il caso estremo in cui la dimensione del support set è esattamente uno.
• Zero-Shot Learning (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 es. identificare una "zebra" associando 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 perfezionamento (fine-tuning) su un nuovo compito. Sebbene il transfer learning alimenti gli estrattori di caratteristiche utilizzati nel One-Shot Learning, il transfer learning standard solitamente richiede più di un esempio per aggiornare i pesi in modo efficace senza overfitting.

Link to this sectionApplicazioni nel mondo reale#

Il One-Shot Learning ha sbloccato funzionalità in settori in cui raccogliere vaste quantità di dati di addestramento è impraticabile.

Link to this sectionRiconoscimento facciale e sicurezza#

L'applicazione più ubiquitaria del One-Shot Learning 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 feed della fotocamera in tempo reale con questo "one shot" memorizzato per verificare l'identità. Ciò si basa su solide tecniche di embedding, come quelle discusse nella ricerca fondamentale su FaceNet, per garantire che cambiamenti nell'illuminazione o nell'angolazione non compromettano la corrispondenza di similarità.

Link to this sectionControllo qualità industriale#

Nell'AI nella produzione, creare un dataset bilanciato di parti "difettose" è difficile perché i difetti sono rari e incoerenti. Il One-Shot Learning consente ai sistemi di visione artificiale (CV) di apprendere la rappresentazione di una singola parte di riferimento "perfetta". Qualsiasi elemento sulla linea di assemblaggio che produca un embedding significativamente distante da questo riferimento viene segnalato per il rilevamento di anomalie. Ciò consente un controllo qualità immediato senza dover disporre di migliaia di immagini di parti rotte, che possono essere gestite e distribuite tramite la Ultralytics Platform.

Link to this sectionSfide e prospettive future#

Sebbene potente, il One-Shot Learning è suscettibile al rumore; se l'unica immagine di riferimento è sfocata, ostruita o non rappresentativa, la capacità del modello di riconoscere quella classe degrada significativamente. I ricercatori impiegano spesso il meta-apprendimento, o "imparare a imparare", per migliorare la stabilità e la generalizzazione del modello. Man mano che le architetture si evolvono, i modelli più recenti come YOLO26 incorporano estrattori di caratteristiche più robusti che rendono l'inferenza one-shot più veloce e precisa, aprendo la strada a dispositivi di edge AI più adattivi e intelligenti.