एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
सिमेंटिक एम्बेडिंग
सिमेंटिक स्पेस में कक्षाओं का सघन वेक्टर प्रतिनिधित्व जहां अवधारणाओं के बीच संबंध संरक्षित रहते हैं, जिससे मॉडल को कभी न देखी गई कक्षाओं के बीच समानताएं समझने में सहायता मिलती है।
एट्रिब्यूट-आधारित वर्गीकरण
एक दृष्टिकोण जहां वस्तुओं को व्याख्यात्मक सिमेंटिक एट्रिब्यूट्स के सेट द्वारा वर्णित किया जाता है, जो इन पूर्व-निर्धारित एट्रिब्यूट्स को संयोजित करके नई कक्षाओं के वर्गीकरण की अनुमति देता है।
देखी गई कक्षाएं
मॉडल के प्रशिक्षण चरण के दौरान उपयोग की जाने वाली वस्तु श्रेणियों का समूह, जिनके लिए प्रतिनिधित्व सीखने के लिए दृश्य उदाहरण उपलब्ध हैं।
न देखी गई कक्षाएं
प्रशिक्षण डेटा से अनुपस्थित वस्तु श्रेणियां लेकिन जिन्हें मॉडल को केवल सिमेंटिक विवरण या एट्रिब्यूट्स का उपयोग करके अनुमान के दौरान पहचानना होता है।
विजुअल-सिमेंटिक मैपिंग
सीखने का फंक्शन जो छवियों की विजुअल विशेषताओं को सिमेंटिक स्पेस में प्रोजेक्ट करता है जहां कक्षाओं के टेक्स्ट विवरण स्थित होते हैं।
कम्पैटिबिलिटी फंक्शन
एक विजुअल प्रतिनिधित्व और सिमेंटिक प्रतिनिधित्व के बीच समानता मापने वाला फंक्शन, जिसका उपयोग किसी दिए गए इंस्टेंस को सबसे संभावित क्लास असाइन करने के लिए किया जाता है।
जनरलाइज्ड जीरो-शॉट लर्निंग
ZSL का विस्तार जहां मॉडल को देखी गई और न देखी गई दोनों कक्षाओं को वर्गीकृत करना होता है, जो प्रशिक्षण के दौरान मिली परिचित कक्षाओं की ओर वर्गीकरण पूर्वाग्रह पेश करता है।
ट्रांसडक्टिव जीरो-शॉट लर्निंग
ZSL का एक प्रकार जहां मॉडल को प्रशिक्षण के दौरान न देखी गई कक्षाओं के टेस्ट डेटा तक पहुंच होती है, लेकिन उनके लेबल के बिना, जो स्पेस के बेहतर अलाइनमेंट की अनुमति देता है।
इंडक्टिव ज़ीरो-शॉट लर्निंग
शास्त्रीय ZSL दृष्टिकोण जहां मॉडल केवल देखी गई कक्षाओं से सीखता है और बिना परीक्षण डेटा तक पहुंच के पूरी तरह से अनदेखी कक्षाओं में सामान्यीकरण करना चाहिए।
क्रॉस-मोडल ट्रांसफर
विभिन्न डेटा मोडैलिटीज़ के बीच ज्ञान का स्थानांतरण, जैसे टेक्स्ट से इमेज, ZSL के लिए आवश्यक जहां टेक्स्ट विवरण दृश्य पहचान को मार्गदर्शित करते हैं।
सिमेंटिक स्पेस
उच्च-आयामी वेक्टर स्पेस जहां अवधारणाएं और कक्षाएं प्रतिनिधित्व करती हैं, सिमेंटिक संबंधों को संरक्षित करती हैं और अवधारणात्मक समानताओं पर तर्क करने की अनुमति देती हैं।
लेबल एम्बेडिंग
तकनीक जो कक्षा लेबल को सिमेंटिक स्पेस में निरंतर वेक्टर में परिवर्तित करती है, मॉडल को क्लासिफिकेशन आउटपुट को रिग्रेशन समस्याओं के रूप में संसाधित करने की अनुमति देती है।
फीचर प्रोजेक्शन
गणितीय ऑपरेशन जो छवियों से निकाले गए विज़ुअल फीचर्स को एक सामान्य स्पेस में कक्षाओं के सिमेंटिक प्रतिनिधित्व के साथ संरेखित करने के लिए रूपांतरित करता है।
जीरो-शॉट डोमेन एडाप्टेशन
ZSL और डोमेन एडाप्टेशन का संयोजन जहां मॉडल को प्रशिक्षण डेटा के डोमेन से भिन्न लक्ष्य डोमेन में अनदेखी कक्षाओं को वर्गीकृत करना होता है।
हाइरार्किकल ज़ीरो-शॉट लर्निंग
दृष्टिकोण जो अवधारणाओं के बीच पैरेंट-चाइल्ड संबंधों का उपयोग करके अनदेखी श्रेणियों में सामान्यीकरण को बेहतर बनाने के लिए कक्षाओं की पदानुक्रमित संरचना का लाभ उठाता है।
जेनरेटिव ज़ीरो-शॉट लर्निंग
अनदेखी कक्षाओं के विज़ुअल फीचर्स को संश्लेषित करने के लिए जेनरेटिव मॉडल का उपयोग करने वाली विधि, ZSL को शास्त्रीय सुपरवाइज्ड क्लासिफिकेशन समस्या में परिवर्तित करती है।