One-shot подходы для распознавания дорожных знаков

Распознавание дорожных знаков — это задача, состоящая в понимании, к какому классу принадлежит дорожный знак, представленный на изображении. В последние несколько лет модели глубинного машинного обучения показали значительный прыжок в точности. Однако, такие модели требуют наличия большого размеченного набора данных для обучения. Классическая глубокая нейронная сеть, обученная на распознавание дорожных знаков одной страны, как правило не может быть применена к набору знаков другой страны без дополнительного обучения на соответствующем наборе данных. Получение же выборки необходимого размера до сих пор остаётся трудо- и времязатратной задачей. One-shot подходы, однако, подразумевают эффективное использование моделей после обучения на небольшом количестве размеченных картинок. Модели такого типа позволяют снизить нагрузку по разметке данных и помочь в практических задачах. Данная статья содержит обзор существующих one-shot подходов и анализирует несколько подходов для построения кодировщика вектор-признаков, которые были бы репрезентативны для изображений, принадлежащих классам, не представленным в обучающей выборке.