multi-instance learning | BriefGPT

关键词multi-instance learning

搜索结果 - 46

通过多实例视觉提示生成器增强多模态大语言模型以实现视觉表征丰富化
本研究探讨了多模态大型语言模型的性能，通过利用视觉适配器将视觉表示与语言模型相结合，在多个视觉语言任务中取得了最先进的表现。研究还提出了一种通用组件，名为多示例视觉提示生成器（MIVPG），通过利用图像或样本相同的补丁之间的实例相关性，将丰
PDFa month ago
ICML多实例不确定性估计的弱监督残余证据学习
在高风险场景中，不确定性估计作为量化预测不确定性的有效手段，在安全可靠的决策中至关重要。然而，现有的不确定性估计方案通常假设存在完全标记的样本来支持全监督学习。实际上，许多不确定性估计任务往往缺乏足够标记的数据，如仅具有弱实例注释的多实例学
PDF2 months ago
SIFT-DBT：自训练初始化及微调用于不平衡数字乳钼靶图像分类
数字乳腺断层摄影（DBT）是一种广泛使用的医学影像模态，用于乳腺癌筛查和诊断，通过其类似于 3D 的乳腺体积成像能力提供更高的空间分辨率和更多的细节。然而，增加的数据量也引入了明显的数据不平衡挑战，其中只有一小部分体积包含可疑组织，这进一步
PDF3 months ago
CVPR动态策略驱动自适应多实例学习用于整张切片图像分类
将动态实例采样和强化学习集成到一个统一的框架中，形成一种新的动态策略实例选择方案，以改进实例选择和特征聚合，用于更好和更可靠的决策制定。
PDF4 months ago
WeakSAM：融合分割与弱监督实例级别识别的方法
使用弱监督的视觉识别方法，借助预训练的视觉基础模型（SAM）中的世界知识，解决了弱监督对象检测和分割中的限制问题，并在 WSOD 和 WSIS 基准测试上显著超过了之前的最先进方法。
PDF4 months ago
在线考试中的作弊检测和定位的多实例学习
本文介绍了一种名为 CHEESE 的多实例学习的作弊行为检测框架，结合了身体姿势、背景信息、眼神、头部姿势和面部特征等特征，在视频剪辑中分析空间和时间的变化以检测作弊行为。实验证明我们的方法有效，并在 Online Exam Proctor
PDF5 months ago
Long-MIL: 面向组织病理学全切片图像分析的长上下文多实例学习的扩展
本文提出了一种改良位置嵌入的长上下文 WSI 方法，通过引入线性偏差来处理形状变化的大 WSI，并将其从 1 维长序列适应到 2 维长上下文 WSI 中，用于模型对未见或欠拟合位置的外推；同时利用闪存注意力模块解决 Transformer
PDF7 months ago
逼近实际环境下乳腺 X 线片弱监督学习的乳腺癌预测
自动提前检测乳腺癌的方法可以显著降低死亡率，但由于太多的限制条件，这些方法在医院中的普及目前受到阻碍。本研究通过两个公共数据集和一个自有数据集的研究，在现实临床环境中应用了两级多实例学习方法，通过弱监督学习在病例级别进行乳腺癌预测，为所有患
PDF8 months ago
分类整张切片图像：什么是重要的？
通过系统地研究 WSIs 分类算法的不同设计选择，我们发现全局上下文信息并非越多越好，而是以局部小区域的细节信息为主要特征，此外，相较于在更大的数据集上进行无监督预训练，我们发现在更小、更专注的数据集上进行预训练可以更好地区分输入补丁的微妙
PDF9 months ago
NEUCORE：用于组合图像检索的神经概念推理
综合图像检索通过结合参考图像和文本修饰器来识别所需的目标图像是一项具有挑战性的任务，需要模型理解视觉和语言模态及其相互作用。本研究提出了一种名为 NEUral COncept REasoning (NEUCORE) 模型，将多模态理解移动到
PDF9 months ago
M&M: 用多视角和多实例学习稀疏检测器解决乳腺 X 光检查中的误报问题
通过利用深度学习目标检测方法，我们提出了 M&M 这种多视角和多实例学习系统，以解决乳房 X 线摄影中错误阳性的问题，并在五个乳房 X 线摄影数据集上验证了其性能。
PDFa year ago
多尺度原型变形器用于整张组织切片图像分类
本文提出了一种基于多尺度原型 Transformer（MSPT）的 WSI 分类方法，通过使用原型 Transformer 和多尺度特征融合模块（MFFM）有效缓解正负样本不平衡与多尺度信息融合问题，实验结果表明其性能超过了其他算法。
PDFa year ago
上下文感知自监督学习整张切片图像
本文提出了一种通过将全切片图像 (WHIs) 表示为图来进行肿瘤诊断的方法，使用图卷积网络 (GCN) 捕获 WSI 中的上下文依赖关系，并使用自监督学习获取无标签数据的训练增强。这种方法利用节点表示 WSI 的 patch，是一种包含上下
PDFa year ago
具有随机池化的可证明多实例深度 AUC 最大化
本研究基于深度 AUC 最大化技术开发了一种新型的多实例学习算法，通过采用方差缩小的随机池化方法以及非凸极值优化技术，该算法仅采样每个处理对象的一部分进行参数优化，有效解决了计算复杂度高及 GPU 显存不足等问题，实现了对医疗数据集处理的高
PDFa year ago
数据驱动的知识融合用于深度多实例学习
本文提出了基于数据驱动知识融合的深度多实例学习算法（DKMIL），该算法采用新的模型数据接口，通过知识融合模块从样本中提取有价值的信息以辅助模型训练，并使用两级注意力模块逐步学习样本的浅层和深层特征以实现更有效的分类。在对 6 个类别的 3
PDFa year ago
病理图像诊断的跨尺度多实例学习
研究了一种新的跨尺度多实例学习算法，并将其应用于病理学影像诊断中，通过整合多尺度信息和跨尺度关系来提高诊断准确率。在内部和公共数据集上均表现出优异的性能。
PDFa year ago
医学图像分析中的标签高效深度学习：挑战与未来方向
本文调查了超过 300 篇最近的论文，提供了在医学图像分析中标签有效的学习策略方面最新进展的综合概述，并深入研究了标准的半监督、自监督和多实例学习方案，以及最近出现的积极的和注释有效的学习策略。此外，文章还具有独特的特点，详细分析了领域中的
PDFa year ago
CVPR整体病理图像的干预袋多实例学习
本文提出了一种名为 Interventional Bag Multi-Instance Learning（IBMIL）的新方案，该方案通过后门调整实现干预式训练，从而消除了包上下文先验的偏差，克服了现有 MIL 方法的一些局限性，提高了 W
PDFa year ago
MATT：一种多示例注意机制用于长尾音乐种类分类
本文提出了一种名为 MATT 的多示例注意力机制，用于解决长尾数据情况下的音乐流派分类问题，实验结果表明该方法在大规模音乐流派基准数据集上显著优于其他最先进的基线方法。
PDF2 years ago
基于跨尺度注意力引导的多实例学习在克隆病病理图像诊断中的应用
本文提出了一种新的跨度注意机制来聚合具有不同分辨率的图像中的特征，并生成不同分辨率的可视化结果来定位并解释可解释的损伤模式，该方法在 Crohn 病这种炎症性肠病的诊断中取得了优异的成果。
PDF2 years ago