术语表

零距离学习

探索零镜头学习如何让人工智能在没有标注数据的情况下识别未见物体和概念,为医疗保健和自动驾驶等领域带来变革。

使用Ultralytics HUB 对YOLO 模型进行简单培训

了解更多

零镜头学习(Zero-shot learning,ZSL)是机器学习中的一个高级概念,即训练模型识别在训练阶段从未遇到过的对象、概念或任务。与需要为每个类别提供大量标签数据的传统模型不同,零点学习能让模型从见过的类别泛化到没见过的类别。

零距离学习如何运作

零点学习利用语义嵌入将已知和未知类别联系起来。这些嵌入通常来源于辅助信息,如文字描述或属性,它们在已知和未知类别之间架起了桥梁。在训练过程中,模型会学习将这些语义嵌入与视觉特征联系起来。

人工智能的相关性

零点学习之所以重要,是因为它能够解决对大量标注数据的需求,而收集和注释这些数据可能是资源密集型的。在一些领域,为每个可能的类别获取标注数据是不切实际的,比如稀有物种检测或异常事件分类,零点学习就能解决这些难题。

实际应用

与类似概念的区别

零镜头学习与少镜头学习

零次学习在训练阶段处理的是完全未见过的类别,而少次学习则需要少量有标记的示例。当一个新类别只有少量标注样本时,少次学习会特别有效,而零次学习则完全依赖于语义描述符。

零起点学习与迁移学习

迁移学习是指通过在新数据上进行额外训练,使预先训练好的模型适应新任务。相比之下,零点学习旨在将知识直接应用于新的类别,而无需额外的训练。了解有关迁移学习的更多信息

与Ultralytics

Ultralytics 提供先进的解决方案和工具,如Ultralytics HUB,以简化高级人工智能模型的部署,如 Ultralytics YOLOv8.Ultralytics HUB 可以利用零点学习技术促进模型的集成和部署,从而实现高效的实际应用。

使用实例

  1. 从句子到图像模型:利用像 DALL-E 这样的模型,系统可以根据在训练过程中没有看到的物体的文字描述生成图像,展示零拍摄能力。了解生成式人工智能的影响

  2. Meta 的 Segment Anything Model (SAM):该模型支持图像和视频中的实时提示分割,在模型训练期间无法识别对象的情况下表现出色。探索SAM 的功能

更多阅读

零点学习代表着人工智能在处理多样化动态环境能力方面的飞跃,使其成为未来跨行业创新的重要工具。

阅读全部