4月30日19点，软件学院启翔云沙龙学术讲座第六期在腾讯课堂准时进行。本期启翔云沙龙由软件学院研究生太仓党支部承办，邀请了软件学院魏倩茹老师为大家带来了《少样本目标识别》专题讲座。来自软件学院各年级的本科生、研究生以及其他专业对本课题感兴趣的师生纷纷参加了本次讲座。
首先，魏倩茹老师介绍了人工智能发展依赖于大量的数据集以及近年来的发展现状，深度学习中的快速学习能力建立在小样本学习的基础之上，从而引出了小样本学习出现。接着，魏老师介绍了目标识别的基本概念，首先是进行分类、检测，其次才是识别。
接着魏老师介绍了现有少样本目标识别的方法，其一是数据增强，其二是半熟模型。同时，就数据增强方法进行了三个方面的介绍。
第一，什么是数据增强？数据增强，是指对(有限)训练数据通过某种变换操作，从而生成新数据的过程。第二，为什么要做数据增强？当遇到数据集样本有限，而模型存在误差时就需要做数据增强。第三，怎么做数据增强？主要方法有旋转、平移、缩放、水平翻转、颜色色差等。
介绍完数据增强，魏老师和同学们讨论拟合通过数据增强一定能够解决吗？这个问题的答案是肯定的。只要通过选择适合的方法进行数据增强，获取更多的数据，让模型看见尽可能多的例外情况，它就会不断的修正自己，从而得到更好的结果，模型的任务表现最终一定会是好的表现结果。
接下来魏老师介绍了半数模型。半熟模型主要包括元学习、度量学习、迁移学习以及强化学习。度量学习主要分为两种，一种是基于监督学习的，另外一种是基于非监督学习的。迁移学习主要是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。强化学习是智能体以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，实际的使用中比较少。这里主要介绍了元学习(Meta Learning)，元学习主要利用以往的知识经验来指导新任务的学习，具有学会学习的能力。在讲座中，魏老师借用张无忌九阳神功可以快速学习其他武功的例子来帮助大家理解什么是元学习，使我们更加易于理解。
另外，当前针对实验“元学习”的方法有很多，具体可以分为以下几类：基于记忆Memory的方法、基于预测梯度的方法、借鉴LSTM的方法等。最后魏老师介绍了少样本学习的发展趋势，主要是应用领域扩充以及其理论发展。
魏倩茹老师的讲座浅显易懂，通过武侠传奇影片类比小样本学习的元学习方法，让同学们更加深刻的理解了什么是小样本学习，什么是元学习。魏老师的讲解由浅入深，逐步引导同学了解少样本学习的发展现状主要方法以及未来发展的趋势。通过对这些内容系统的阐述，给各位同学未来的科研发展提供了新的问题解决方法和思路。
至此，软件学院启翔云沙龙系列学术讲座活动第六期圆满结束。请同学们及时关注相关信息，期待启翔云沙龙后续活动的到来。
