多示例学习
文章平均质量分 81
还在写BUG呢
这个作者很懒,什么都没留下…
展开
-
Attention-Challenging Multiple Instance Learning for Whole Slide Image(ACMIL)
Attention-Challenging Multiple Instance Learning for Whole Slide Image 针对领域:MIL的过拟合现有问题:当前的MIL方法只关注预测实例的子集,阻碍了有效的模型泛化ACMIL:迫使注意力机制捕捉更具挑战性的预测实例。算法构成:多分支注意力(MBA)来捕获更丰富的预测实例随机TopK实例掩蔽(STKIM)来抑制简单的预测实例。实验:三个WSI数据集的评估优于最先进的方法。原创 2023-12-19 11:18:51 · 1077 阅读 · 0 评论 -
Multiple instance learning with bag dissimilarities
以往方法:专门的MIL方法通过对袋标签和实例标签之间的关系做出额外的假设来学习。(实例级方法)存在问题:可能适合特定的数据集,但不能推广到MIL问题的整个范围。当前解决方法:将假设的重点从标签转移到袋子的整体(非)相似性上,直接从袋子中学习。(包级方法)本文解决方法:建议用训练集中每个包与其他包的不同之处的向量来表示每个包,并将这些不同之处视为特征表示。贡献:展示了几种定义包之间不相似性的替代方法,并讨论了哪些定义更适合特定的MIL问题。原创 2023-07-11 18:29:25 · 161 阅读 · 0 评论 -
Multi-Instance Learning by Treating Instances As Non-I.I.D. Samples
存在问题:以往的多实例学习研究通常将袋中的实例视为独立同分布的。然而,在实际任务中,包中的实例很少是独立的。忽略了实例之间的关系传递重要的结构信息这一事实。解决思路:利用实例之间关系,如果在Non-I.I.D.中处理实例,则可以期望获得更好的性能。解决方法:第一种:我们显式地将每个袋映射到一个无向图上,并设计一个图核来区分正负袋。第二种:通过推导亲和矩阵来隐式构造图,并提出一个考虑团信息的高效图核。原创 2023-07-09 17:05:06 · 223 阅读 · 0 评论 -
BP-MIP(2002)代码复现
由一个输出为1的全连接层构成,采用sigmoid作为激活函数,采用最大池化。原创 2023-05-24 20:24:10 · 191 阅读 · 0 评论 -
Revisiting multiple instance neural networks (mi-Net,MI-Net,)
Revisiting multiple instance neural networks (mi-Net,MI-Net,)原创 2023-04-24 17:42:17 · 451 阅读 · 0 评论 -
多示例神经网络:Neural Networks for Multi-Instance Learning (BP-MIP,周志华,2002)
多示例神经网络BP-MIP原创 2023-04-17 20:48:44 · 347 阅读 · 0 评论 -
Scalable Algorithms for Multi-Instance Learning
mivLAD+miFV原创 2022-12-06 17:09:13 · 346 阅读 · 0 评论 -
多示例图像包生成器代码学习
多示例包生成器原创 2022-11-09 11:37:31 · 1132 阅读 · 0 评论 -
【论文阅读】An empirical study on image bag generators for multi-instance learning
多示例图像包生成器原创 2022-10-31 21:32:56 · 245 阅读 · 1 评论 -
【论文阅读】Towards Certified Robustness of Distance Metric Learning
距离度量学习的鲁棒性证明原创 2022-10-26 14:57:50 · 225 阅读 · 2 评论 -
多示例学习相关知识
多示例学习相关知识原创 2022-10-18 15:32:26 · 522 阅读 · 0 评论 -
【代码复现】BAMIC
【代码】【代码复现】BAMIC。原创 2022-10-14 17:54:35 · 121 阅读 · 0 评论 -
【论文阅读】Multi-instance clustering with applications to multi-instance prediction
多实例聚类在多实例预测中的应用原创 2022-09-27 17:34:25 · 569 阅读 · 1 评论 -
【论文阅读】Multiple instance classification: Review, taxonomy
【论文阅读】Multiple instance classification: Review, taxonomy原创 2022-09-13 17:33:19 · 332 阅读 · 0 评论 -
【算法实现】:ELDB算法实现
【算法实现】:ELDB算法实现。原创 2022-08-17 16:50:24 · 268 阅读 · 0 评论 -
【论文阅读】Multi-instance Ensemble Learning with Discriminative Bags
多实例学习(MIL)比传统的监督学习更具一般性和挑战性,因为标签是在包级给出的。常用的特征映射方法是将每个包转化为新特征空间中的一个实例。但是,它们大多很难维持包的可分辨性,MIL模型不支持自我强化。在本文中,我们提出了一种基于判别包的多实例集成学习(ELDB)算法。包选择技术根据两部分得到区别性包集(dBagSet)。首先,考虑数据的空间分布和标签分布,通过判别分析优化包选择过程,得到基本的dBagSet。其次,利用状态和动作的转移策略,通过自强化得到一个可区分性较好的dBagSet;...原创 2022-08-09 17:32:10 · 340 阅读 · 0 评论 -
[论文阅读] Two-stage instance selection and adaptive bag mapping algorithm for multi-instance learning
时间:2022/7/1多示例学习习的两阶段实例选择和自适应包映射算法(the two-stage instance selection and adaptive bag mapping algorithm for multi-instance learning, TAMI)多示例学习(MIL)研究对象的内部结构比单示例学习更加复杂。已有的 MIL 方法大都基于原始 空间中的实例进行包映射。这些方法通常忽略了包的内部结构信息,难以保证所选实例与包在新特征空 间中的关联性。提出一种多示例学习的两阶段实例选择和原创 2022-07-01 19:06:10 · 365 阅读 · 0 评论 -
SMDP代码实现
时间:2022/6/29主要提供数据集的读取,交叉验证时数据集的划分等2.Density Peak类提供密度峰值聚类相关功能。3.SMDP类SMDP核心代码4.运行测试使用musk1+数据集进行测试原创 2022-06-29 18:15:27 · 652 阅读 · 0 评论 -
[论文阅读]:Semi-supervised Multi-instance Learning with Density Peaks Clustering
时间:2022/5/31Semi-supervised Multi-instance Learning with Density Peaks Clustering密度峰值聚类的半监督多示例学习文章提出了密度峰值聚类的半监督多示例学习(Semi-supervised Multi-instance Learning with Density Peaks Clustering,SMDP)算法,包含三个步骤:(1)结合高斯核和五种距离度量,使用基于密度峰值聚类的方法寻找代表包;(2)基于包之间的距离将每一个包转换为原创 2022-06-01 16:04:11 · 342 阅读 · 0 评论