[Meta Learning] What's Meta Learning?

Meta Learning?

           - 인공지능 분야에서의 메타러닝은 새로운 개념 또는 테스크를 빠르게 학습하기 위해 학습을 학습(learning to learn)하는 방법
              이라고 합니다.
              즉, 새로운 태스크를 더 빨리 학습하기 위해 이전의 학습 경험을 적극적으로 활용하는 방법이라고 생각할 수 있습니다.

 

           - 메타러닝의 핵심 아이디어는 학습 에이전트가 단순히 해당 데이터를 학습하는 것뿐만 아니라,
              자신의 학습 능력을 스스로 향상시킨다는 것입니다. 

 

           - 메터러닝과 자주 언급되는 개념으로 멀티 태스크 러닝이 존재합니다.
              멀티 태스크 러닝은 하나의 모델이 다양한 여러 테스크를 잘 학습하고,
              테스트 시 학습한 태스크들과 같은 여러 태스크를 잘 수행하는 것을 목표로 합니다.

           

Dataset for Meta Learning

Omniglot Dataset

         - 전 세계에서 사용되고 있는 50개의 알파벳으로부터, 가져온 1623개의 문자에 대해 20명의 사람이 직접 손으로 쓴
            문자 이미지 데이터셋이다. 30개 알파벳의 메타 트레인, 20개 알파벳의 메타 테스트로 구성되어 있습니다.

Mini-ImageNet

         - 이름에서 유추할 수 있듯이, ImageNet Dataset에서 이미지를 무작위로 추출하여 재구성한 컬러 이미지 데이터셋입니다.  

https://github.com/brendenlake/omniglot

GitHub - brendenlake/omniglot: Omniglot data set for one-shot learning

 

 

https://paperswithcode.com/dataset/mini-imagenet

Papers with Code - mini-Imagenet Dataset

참고

https://jrc-park.tistory.com/260

[Meta-Learning] 2. 메타러닝의 Formal한 정의