【多实例学习】_多实例学习的平均池化是什么

作者：小丑西瓜9 | 2024-05-24 15:02:02

踩

多实例学习的平均池化是什么

多示例学习中的关键是找到示例与包之间的逻辑关系。
常见方法：
在这里插入图片描述
常见的有三种：

【1】实例平均池化
【2】最大池化
【3】基于注意力机制的方法
注意力机制（Attention Mechanism）是解决信息超载问题的主要手段的一种资源分配方案，将计算资源分配给更重要的任务。通俗且不是很严谨的说，就是一种被赋予了直观意义的权重，它决定着哪一部分信息更加重要。
与上文结合来说，(1)和(2)可以认为是多示例问题中的一种硬性注意力。
(1)中每个示例的注意力权重可以认为是1/n。(2)中Key Instance权重为1.0，而其余示例的注意力权重均为0。

经典的多示例网络如下
MI-NET 框架
他与我们所熟悉的全连接网络区别在于，网络末端增加了符合多示例假设的模块：Instance Score Layer和MIL Pooling Layer。上述经典的网络结构中所使用的Pooling方法正是上文提到的最大池化。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小丑西瓜9/article/detail/617927