×
王兴刚;严永銮;唐、彭;刘文宇;郭晓杰

用于深度多实例学习的Bag相似网络。 （英语） Zbl 1453.68166号

信息科学。 504, 578-588 (2019).
摘要：多实例学习（MIL）在计算机视觉、生物特征识别和自然语言处理中的广泛应用证明了其有效性。最近，使用深度神经网络解决MIL问题已被证明是非常有效的。然而，在现有的多实例神经网络中，每个袋子的特征表示是单独学习的，并且没有考虑袋子之间的关系。在本研究中，我们提出了一种新的MIL神经网络，该网络强调对行李之间的相关性进行建模。与以前的方法相比，它实现了更有效的行李表示。具体地说，一个具有多个实例的行李通过其与其他行李的相似性进行建模，并在一种称为行李相似性网络（BSN）的新型神经网络中进行相似性计算。训练BSN涉及两个表示学习问题：实例特征学习和包相似性学习。为了避免这些问题之间复杂的相互依赖性，我们通过首先训练一个实例特征学习网络来解耦BSN训练过程，然后构造一个包相似性网络，每个包相似性网都通过反向传播进行端到端的优化。实验表明，在各种MIL数据集上，该方法明显优于其他最先进的方法。

理学硕士：

68T07型 人工神经网络与深度学习

关键词：

多实例学习;神经网络;相似学习

软件：

ImageNet公司;AlexNet公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Wang}等人，《信息科学》。504578-588（2019年；Zbl 1453.68166）
全文： 内政部

参考文献：

[1] Amores，J.，《多实例分类：回顾、分类和比较研究》，Artif。智力。，201, 81-105 (2013) ·Zbl 1334.68176号
[2] 安德鲁斯。；Tsochantaridis，I。；Hofmann，T.，用于多实例学习的支持向量机，神经信息处理系统进展，561-568（2002）
[3] 巴尔，D.R。；Sherrill，E.T.，截断正态分布的均值和方差，《美国统计》，53，4，357-361（1999）
[4] 切普利吉纳，V。；税务博士。；Loog，M.，带袋差异的多实例学习，模式识别。，48, 1, 264-275 (2015)
[5] 辛比斯，R.G。；Verbeek，J。；Schmid，C.，《利用多重多实例学习进行弱监督对象定位》，IEEE Trans。模式分析。机器。智力。，39, 1, 189-203 (2017)
[6] Decencière，E。；张，X。；卡祖格尔，G。；铺设，B。；科奇纳，B。；特隆，C。；增益，P。；Ordonez，R。；马辛，P。；埃尔吉奈，A。；查顿，B。；Klein，J.-C.，《公开发布图像数据库的反馈：Messidor数据库》，《图像分析》。立体声。，231-234 (2014) ·Zbl 1393.92026号
[7] Dietterich，T.G。；Lathrop，R.H。；Lozano-Pérez，T.，用轴平行矩形解决多实例问题，Artif。智力。，89, 1, 31-71 (1997) ·Zbl 1042.68650号
[8] 冯，J。；周振华，Deep miml network，第三十届AAAI人工智能会议，1884-1890（2017）
[9] Gärtner，T。；Flach，P.A。；科瓦尔奇克，A。；Smola，A.J.，《多元内核》。，机器学习国际会议，2179-186（2002）
[10] 格洛洛特，X。；Bordes，A。；Bengio，Y.，深度稀疏整流器神经网络，第十四届国际人工智能与统计会议论文集，315-323（2011）
[11] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 8, 1735-1780 (1997)
[12] 黄，Z。；王，X。；Wang，J。；刘伟。；Wang，J.，具有深种子区域增长的弱监督语义分割网络，IEEE计算机视觉和模式识别会议论文集，7014-7023（2018）
[13] 伊尔斯，M。；托姆扎克，J.M。；Welling，M.，基于注意的深度多实例学习，机器学习国际会议，2132-2141（2018）
[14] 坎德米尔，M。；Hamprecht，F.A.，《监管不力的计算机辅助诊断：基准研究》，计算机。医学成像图。，42，44-50（2015）
[15] Krizhevsky，A。；Sutskever，I。；Hinton，G.E.，深度卷积神经网络的Imagenet分类，神经信息处理系统进展，1097-1105（2012）
[16] 李，C。；王，X。；刘伟。；Latecki，L.J。；王，B。；Huang，J.，使用同心丢失在乳腺组织病理学图像中弱监督有丝分裂检测，医学图像分析。，53, 165-178 (2019)
[17] 李，Q。；吴，J。；Tu，Z.，IEEE计算机视觉和模式识别会议记录，851-858（2013）
[18] 李毅。；王，X。；刘伟。；Feng，B.，利用静态rgb-d图像进行联合手势定位和识别的深度关注网络，信息科学。，441, 66-78 (2018)
[19] Pathak，D。；Krahenbuhl，P。；Darrell，T.，用于弱监督分割的约束卷积神经网络，IEEE国际计算机视觉会议论文集，1796-1804（2015）
[20] Pathak，D。；谢尔哈默，E。；Long，J。；Darrell，T.，《完全卷积多类多实例学习》，第三届学习表征国际会议，研讨会记录（2015年）
[21] Ramon，J。；De Raedt，L.，多实例神经网络，ICML-2000属性值和关系学习研讨会论文集，53-60（2000）
[22] 俄勒冈州Russakovsky。；邓，J。；苏，H。；克劳斯，J。；Satheesh，S。；马，S。；黄，Z。；Karpathy，A。；科斯拉，A。；Bernstein，M.，Imagenet大规模视觉识别挑战，国际计算机杂志。愿景，115，3，211-252（2015）
[23] Santoro，A。；巴图诺夫，S。；博特维尼克，M。；Wierstra，D。；Lillicrap，T.，《使用记忆增强神经网络的元学习》，机器学习国际会议，1842-1850（2016）
[24] Simonyan，K。；Zisserman，A.，《用于大规模图像识别的超深卷积网络》，第三届学习表征国际会议（2015年）
[25] Sirinukunwattana，K。；艾哈迈德·拉扎，S。；Tsang，Y.-W。；斯奈德，D.R。；克里，I.A。；Rajpoot，N.M.，检测和分类常规结肠癌组织学图像中细胞核的位置敏感深度学习。，IEEE传输。医学成像，35，5，1196-1206（2016）
[26] 唐·P。；王，X。；Bai，S。；沈伟（Shen，W.）。；白，X。；刘伟。；Yuille，A.L.，Pcl:针对弱监督对象检测的提议聚类学习，IEEE Trans。模式分析。机器。智力。，1-10 (2018)
[27] 唐·P。；王，X。；白，X。；Liu，W.，具有在线实例分类器细化的多实例检测网络，IEEE计算机视觉和模式识别会议论文集，2843-2851（2017）
[28] 王，M。；罗，C。；R·洪。；Tang，J。；Feng，J.，《超越对象建议：多标签图像识别的随机裁剪池》，IEEE Trans。图像处理。，25, 12, 5678-5688 (2016) ·Zbl 1408.94681号
[29] 王，X。；Yan，Y。；唐，P。；白，X。；刘伟，重温多实例神经网络，模式识别。，74, 15-24 (2018)
[30] 王，X。；朱，Z。；姚，C。；Bai，X.，《松弛多站支持向量机及其在对象发现中的应用》，IEEE计算机视觉国际会议论文集，1224-1232（2015）
[31] 魏晓山。；吴，J。；Zhou，Z.-H.，用于多实例学习的可扩展算法，IEEE Trans。神经网络。学习。系统。，28, 4, 975-987 (2016)
[32] 沃尔德，S。；Esbensen，K。；Geladi，P.，主成分分析，化学计量学。因特尔。实验室系统。，2, 1-3, 37-52 (1987)
[33] 吴，J。；Yu，Y。；黄，C。；Yu，K.，图像分类和自动标注的深度多实例学习，IEEE计算机视觉和模式识别会议论文集，3460-3469（2015）
[34] Xu，X。；Frank，E.，标签实例包的Logistic回归和增强，太平洋亚洲知识发现和数据挖掘会议，272-281（2004），Springer
[35] Xu，Y。；朱建勇。；我·埃里克。；Chang，C。；赖，M。；Tu，Z.，弱监督组织病理学癌症图像分割和分类，医学图像分析。，18, 3, 591-604 (2014)
[36] 张，M.-L。；周振华，多实例神经网络集成，智能信息处理国际会议，471-474（2004），施普林格
[37] 张，M.-L。；Zhou，Z.-H.，通过特征选择改进多实例神经网络，神经过程。莱特。，19, 1, 1-10 (2004)
[38] 张，Q。；Goldman，S.A.，Em-dd:一种改进的多站学习技术，《神经信息处理系统的进展》，1073-1080（2001）
[39] 周，Z.-H。；Sun，Y.-Y。；Li，Y.-F.，将实例视为非iid样本的多实例学习，机器学习国际会议，1249-1256（2009）
[40] 周，Z.-H。；Zhang，M.-L.，用于多实例学习的神经网络，智能信息技术国际会议论文集，455-459（2002）
[41] 朱，F。；Shao，L.，《视觉识别的弱监督跨领域词典学习》，国际计算机杂志。愿景，109，1-2，42-59（2014）·Zbl 1328.68255号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。