- 题目: Scalable Algorithms for Multi-Instance Learning (多示例学习的大规模算法)
- 级别:2017 年发表在SCI 一区期刊IEEE TRANSACTIONS ON
NEURAL NETWORKS AND LEARNING SYSTEMS (TNNLS)。 - 代码:本文为之前反复阅读,代码也已复现。
主要思想:
主要解决当时的多示例算法无法处理大规模数据的问题。其所提出的两个算法(miFV和miVLAD)均采用较为特殊的映射方式,在保证速度的情况下也达到了较好的分类精度。
miFV:
基于所有实例的统计信息,将每个包映射为一个fisher向量,再使用单实例级别的分类器进行分类
miVLAD:
在实例空间聚类,然后基于聚类中心,利用差值计算和拼接的方法将每个包映射为向量。