multiple instance learning | BriefGPT

关键词multiple instance learning

搜索结果 - 140

CVPR特征重新嵌入：迈向计算病理学基础模型级性能
提出一种在线重嵌入区域变换器（R$^2$T），用于重新嵌入多实例学习模型中的特征，通过捕捉细粒度的局部特征和建立不同区域之间的连接，提高计算病理学模型的性能。
PDF4 months ago
GRASP: 图结构金字塔式全切片图像表示
GRASP 是数字病理学中用于处理全幅数字切片图像（WSIs）的一种新型多放大率图结构框架，通过动态模拟病理学家处理 WSIs 的行为、受益于 WSIs 的层次结构以及引入基于收敛的节点聚合机制，表现出优秀的性能，同时具备解释性和稳定性，并
PDF5 months ago
SI-MIL: 驯服千兆像素组织病理学中深度无监督学习的自解释性
为了提高对 Whole Slide Image（WSI）分析中多实例学习（MIL）方法的解释性和推理能力，我们提出了一种自解释的 MIL 方法（SI-MIL），它通过深度 MIL 框架引导一个基于手工制作的病理特征的可解释分支，从而实现线性
PDF6 months ago
Shapley 值支持的渐进式伪样本增强用于全幻灯片图像分类
使用合作博弈理论灵感，结合 Shapley 值和注意力机制，改进多实例学习方法，提高实例级别信息的估计准确性和幻灯片标签的预测性能。通过实验证明，在计算病理学领域的 CAMELYON-16、BRACS 和 TCGA-LUNG 数据集上，我们
PDF7 months ago
像素中的县区学习：基于注意力加权多实例学习的玉米产量预测
遥感技术在产量预测中已成为一种有前途的工具，本研究运用多实例学习在像素级别对每个县进行研究，利用细粒度数据的详细信息，并通过引入注意机制来解决特征数据集和作物掩膜之间分辨率不一致导致的混合像素问题，实验结果表明该模型在美国玉米带的过去五年中
PDF7 months ago
重新考虑多实例学习在全幻灯片图像分类中的应用：以袋层分类器为佳的实例级导师
通过引入背包级别的分类器，我们设计了迭代耦合的多实例学习（ICMIL）来解决高计算成本的问题，并通过教师 - 学生框架提高细分嵌入
PDF7 months ago
带有子采样的槽混合：用于 WSI 分类的简单正则化
我们的研究通过在 WSI 中采样一部分图像碎片并引入一种高效的模型（Slot-MIL），通过注意力机制将图像碎片组织成固定数量的插槽，旨在提高 WSI 分类器的泛化性和校准性。我们的方法结合子采样、mixup 和注意力聚合模型，实现了在各种
PDF7 months ago
基于高分辨率图像的恶意软件分类使用多实例学习
本文提出了一种利用高分辨率灰度图像和多实例学习将恶意软件分类为家族的新方法，以克服敌对二进制扩大。通过经验分析和实验表明，现有的基于可视化的恶意软件分类方法往往依赖于输入的有损转换，如调整大小来处理大型、大小可变的图像，而这些方法会导致关键
PDF8 months ago
ICLR通过多实例学习实现固有可解释的时间序列分类
我们利用多示例学习 (MIL) 提出了一种名为 MILLET 的新框架，将其应用于现有的深度学习时间序列分类模型，展示了如何在不降低 (有时甚至提高) 预测性能的情况下使其具有内在的可解释性。通过在 85 个 UCR 时间序列分类数据集上进
PDF8 months ago
专注挑战多实例学习用于整张幻灯片图像分类
多案例学习方法在整张幻灯片图像分析中仍然存在过拟合的挑战。本文提出了一种名为 ACMIL 的注意力挑战式多案例学习方法，旨在更好地捕捉有挑战性的预测实例，并通过三个 WSI 数据集的评估证明了其优越性。通过热图可视化、UMAP 可视化和注意
PDF8 months ago
MixUp-MIL：基于线性和多线性插值数据增强的组织切片图像分类研究
通过数据增强技术的线性和多线性插值方法，本文研究了应用于数字全玻片图像分类的多实例学习方法，研究结果表明方法的效果受数据集的影响很大，提出了进一步研究的相关方向。
PDF8 months ago
SC-MIL: 稀疏编码多实例学习用于大规模图像分类
提出了一种稀疏编码多示例学习（SC-MIL）方法，通过利用稀疏字典学习，同时改善了特征嵌入和模型化实例之间的相关性，实验结果表明，该方法可以大幅提升最先进的多示例学习方法的性能。
PDF8 months ago
引入多实例学习中的实例标签相关性。应用于组织病理图像癌症检测
本文通过引入与统计物理的 Ising 模型相关的新偶合项扩展了一种基于高斯过程的最先进弱监督多实例学习方法 (VGPMIL-PR)，提高了在组织病理学图像中检测前列腺癌的效果，并通过可视化和分析提供了洞察力，有望在其他研究领域中应用该模型。
PDF8 months ago
多示例学习中的再现性：算法单元测试的案例
在本研究中，我们调查了五种具有代表性的深度多实例学习模型，并发现这些模型都没有遵守标准的多实例学习假设。它们能够学习到相互反相关的实例，即在看到反例之前默认为 “正例”，这在一个正确的多实例学习模型中是不可能发生的。我们怀疑从这些模型派生的
PDF8 months ago
基于提议的时间动作定位与点级监督
提出了一种用于点级别监督时序动作定位的新方法，通过生成和评估具有灵活时长的动作提案来定位动作，利用聚类算法生成密集伪标签提供更强的监督，并利用精细的对比损失进一步提高伪标签的质量，实验证明该方法在多个基准数据集上达到了与最先进方法相媲美甚至
PDF9 months ago
探索 CLIP 潜空间用于视频异常识别
我们介绍了一种名为 AnomalyCLIP 的新方法，它首次将大语言和视觉（LLV）模型（如 CLIP）与多实例学习相结合，用于联合视频异常检测和分类。我们通过操纵潜在的 CLIP 特征空间来识别正常事件子空间，并有效地学习文本驱动的异常事
PDF9 months ago
多染色自注意图多实例学习流程用于组织切片全扫描图像
提出了一个名为 MUSTANG 的多标引注意力自注意图的无监督吉帕像素多图像分类任务的端到端学习流水线，该任务只具备患者级别标签但没有幻灯片级别标签或区域注释，利用稀疏的 k 最近邻图和欧几里得距离进行操作限制，取得了 0.89/0.92
PDF10 months ago
基于交叉注意力的全切片图像癌转移预测
该研究提出了一种基于交叉关注的突出实例推断多实例学习方法，通过一种新的显著性提醒的关注机制，在 WSIs 上无需任何标注即可识别乳腺癌淋巴结微转移，并展示出对小肿瘤病变 WSIs 的出色准确性，具有良好的解释性特点。
PDF10 months ago
多实例学习中的未知样本检测
机器学习中的弱监督学习和多实例学习框架下的离群分布检测的重要性和挑战，以及当前已有方法的不足和需求。
PDF10 months ago
PDL：使用渐进丢弃层对多实例学习进行规范化
本研究提出了一种新的正则化方法，即渐进性丢失层（PDL），旨在解决弱监督学习中过拟合问题，并增强多实例学习模型在发现复杂和有影响力的特征表示方面的能力。通过在多个多实例学习方法中集成 PDL，我们在各种基准数据集上进行了广泛的评估，结果显示
PDFa year ago