شما باید در مورد تکنیک one-shot learning که در تشخیص چهره استفاده میشه بدانید که یک کار طبقه بندی است که در آن از یک یا چند مثال (در این مورد چهره ها) برای طبقه بندی نمونه های جدید (چهره ها) در آینده استفاده می شود. برای بازیابی سریعتر یک چهره جدید، باید در مورد شاخص گذاری بر روی داده بدانید. یک چهره جدید را می توان با یافتن بردارهایی که نزدیک ترین )شبیه به بردار ورودی هستند تشخیص داد، اما در این حالت، اگر بخواهیم فاصله تا صد میلیون بردار را محاسبه کنیم، سیستم فوق العاده کند می شود. یک راه راحت می تواند ایندکس کردن داده ها در فضای برداری واقعی با تقسیم داده ها به ساختارهای آسان برای پرس و جو (تقریباً مانند یک ساختار داده درختی) باشد. هر زمان که داده های جدیدی در دسترس باشد، یافتن بردار نزدیک به زمان آسان تر است. برای این منظور می‌توان از تکنیک‌هایی مانند Anoy Indexing، Locality Sensitive Hashing و Approximate Nearest Neighbors استفاده کرد.