Zero-shot learning——零样本学习入门级概述

最近来了解零样本学习的相关内容后发现，在整理这些概念时发现只有深入理解这些关键点才能更好地掌握文章的核心思想。

zero-shot learning

简而言之，零样本学习就是让学习器对其未曾接触过的类别进行识别。例如：通过展示多匹马以及老虎的照片来进行训练，在完成训练后，在输入一张斑马的照片时（希望学习者）能告知我们"这确实是一匹斑马！"。乍一听来这似乎不太现实。
然而，在零样本学习过程中所使用的训练数据与其目标分类之间并非完全没有关联性。显然我们并不希望学习者仅凭一些与斑马毫无相关性的数据就能在第一次见到斑马照片时就立即识别出这是一匹斑马。
此外，在这一过程中我们会综合运用已知的知识点例如"斑马外形酷似马身上布满条纹"等信息点。具体来说就是让学习者能够从这些训练图像中提炼出它们的特点：从这些属于同一物种不同品种的马的照片中提炼出它们的特点；从老虎的照片中提取动物身上条纹这一特征；如果输入的一张图片既具备"像一匹马"又具备"身上有条纹"这两点特征，则学习者便有足够的理由认为这就是一张斑马上好的照片。
怎么样？听起来是不是有点像是无头苍蝇突然有了目标却不知如何行动？不过没关系接下来让我们一起来探讨什么是零样本学习吧。

基本概念

定义

上面以简单明了的方式讲述了ZSL ，接下来我们介绍了一些在正式学习前应掌握的相关概