Grundlagen des Few-Shot-Lernens für Bilder (B04)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 499552394

Das Kernprinzip des Few-Shot-Lernens besteht darin, auf visuellen Merkmalsrepräsentationen aufzubauen, die durch Vortraining neuronaler Netze auf großen Bilddatensätzen gewonnen wurden, und die gelernte Repräsentation zur Erkennung auf neue Objektklassen mit wenigen Beobachtungen zu übertragen. Wir werden neue grundlegende Few-Shot-Algorithmen entwickeln, einschließlich der Analyse der Eigenschaften von Basisrepräsentationen, von Matching-Strategien, von generativen Ansätzen zum Erlernen von Residualmerkmalen für die Unterscheidung neuer Objekte und von Techniken für das inkrementelle Erlernen neuer Klassen ohne Vergessen des vorherigen Wissens.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1597: Small Data
• Antragstellende Institution: Albert-Ludwigs-Universität Freiburg
• Teilprojektleiter: Professor Dr.-Ing. Thomas Brox; Professor Dr. Abhinav Valada