이미지 분석을 위한 퓨샷 학습의 최신 연구동향 = Recent advances in few-shot learning for image domain: a survey

다국어 초록 (Multilingual Abstract)

In many domains, lack of data inhibits adoption of advanced machine learning models. Recently, Few-ShotLearning (FSL) has been actively studied to tackle this problem. Utilizing prior knowledge obtained throughobservations on related domains, FSL achieved significant performance with only a few samples. In this paper, wepresent a survey on FSL in terms of data augmentation, embedding and metric learning, and meta-learning. Inaddition to interesting researches, we also introduce major benchmark datasets. FSL is widely adopted in variousdomains, but we focus on image analysis in this paper.

국문 초록 (Abstract)

퓨삿학습(few-shot learning)은 사전에 확보한 관련 지식과 소규모의 학습데이터를 이용하여 학습데이터의 부족으로 인한 어려움을 해결할 수 있는 가능성을 제시해주어 최근 많은 주목을 받고 있다. 본 논문에서는 퓨삿학습의 개념과 주요 접근방법을 빠르게파악할 수 있도록 데이터 증강, 임베딩과 측도학습, 메타학습의 세 관점에서 최신연구동향을 설명한다. 또한 퓨샷학습을 적용하려는연구자들에게 도움을 제공할 수 있도록 주요 벤치마크 데이터셋에 대하여 간략하게 소개하였다. 퓨삿학습은 이미지 분석과 자연어처리 등 다양한 분야에서 활용되고 있으나, 본 논문은 이미지 처리를 위한 퓨삿학습의 접근법에 집중하였다