Traditionele beeld-classificatiesystemen zijn getraind op basis van handmatig gelabelde voorbeelden. Per concept is een groot aantal voorbeelden gelabeld, en dan wordt met behulp van machine-learning technieken een classificatiesysteem aangeleerd. Maar wat als het concept waarin je geïnteresseerd bent, niet tussen die voorbeelden staat? In deze voordracht bespreek ik machine-learning methoden die ook zonder expliciete voorbeelden beelden kunnen classificeren voor een specifiek concept. Traditional visual classification systems are trained based on manually labeled examples. For each concept a large number of images are annotated, on which a classifier is trained. But what if your desired class or label is not in the vocabulary? In this presentation I discuss techniques used to classify without any examples. My results and methods are based on computer vision applications, but the underlying ideas can be used in other domains as well.