多示例学习 (multi-instance learning, MIL) 学习路线 (归类、重点文章列举、持续更新)

0 要点

说明：本文在于能够让大家能够更加快速地了解MIL这个领域，因此将从以下几个方面重点介绍MIL (这里不详细介绍每一篇文章，只做概述)。

会议合集：https://github.com/Lionelsy/Conference-Accepted-Paper-List
代码合集：https://github.com/lingxitong/MIL_BASELINE
Github版本：https://github.com/InkiYinji/MIL-Review

• 注1：欢迎大家进一步交流，可以加入我建立的QQ群：649325831 (2024年1月15日建立)；
• 注2：如果给出的文章包含代码，则可以点击其名称缩写获取；
• 注3：承2，如果包含博客讲解，可以点击其全称获取；
• 注4：承3，如果包含论文原文，可以点击会议缩写名获取；
• 注5：一些缩写：
  - WSI：全幻灯片分类 (医学领域，目前最热门的MIL应用)；
  - VAD：视频异常检测；
  - ECG：心电图；
• 注6：对于每一个小节，其侧重点有所不同：
  • 章节2 (理论MIL概述)：关注算法的实现细节；
  • 章节3 (MIL交叉领域)：MIL与多标签、偏标签、对抗攻击、分布外检测的一些结合；
  • 章节4 (MIL应用概述)：着重数据集的说明及其相关处理；
• 注7：本人精力有限，希望能有更多的小伙伴和我一起完善这个博客~
• 注8：后续将逐步将本博客的内容迁移至我的Github

1 多示例背景介绍

概述：多示例学习 (MIL) 是一种典型的弱监督学习，其输入的单个样本被称为包 (bag)，包中包含多个实例 (instance)。在训练阶段