不同神经网络方法的单样本识别
计算机视觉与模式识别
2026-01-14 v1 机器学习
摘要
卷积神经网络（CNNs）在计算机视觉领域得到广泛应用，显著提升了最先进技术水平。但在机器学习场景中，学习优质特征往往计算成本高昂，尤其在数据稀缺时更为困难。单样本学习正是处于这一困境的领域，仅利用可用数据有限。单样本学习要求仅凭一例即可对一个类别进行预测，这需要特殊技术。在本文中，我们探索了在不同领域（包括工业应用和人脸识别）中进行单样本识别的不同方法。我们使用堆叠图像的特殊技术，并采用 siamese 胶囊网络。令人鼓舞的是，使用胶囊架构的方法在工业应用到人脸识别基准数据集范围内取得了强劲的成绩，且使用和优化都相对容易。
关键词
引用
@article{arxiv.2601.08278,
title = {One-Shot Identification with Different Neural Network Approaches},
author = {Janis Mohr and Jörg Frochte},
journal= {arXiv preprint arXiv:2601.08278},
year = {2026}
}
备注
18 pages, Keywords: One-shot learning, Convolutional neural networks, Siamese networks, Capsules, Industrial application