论文阅读 (38)：Learning Multi-Instance Enriched Image Representations via Non-Greedy Ratio Maximizat (泛读)

引入

  题目：通过${\ell }_1$范数距离的非贪婪比最大化学习多实例图像表示 (Learning multi-instance enriched image representations via non-greedy ratio maximization of the ${\ell }_1$-norm distances)
  代码：
  摘要：近年来多示例 (MIL) 在图像应用领域效果显著。然而，两个关键挑战阻碍了MIL在图像中的有效应用：
  1）现有方法通常基于图像中的实例建模，而非完整图像。这可能丢失图像作为整体输入时所传达的信息；
  2）输入图像中的实例数量可变，导致传统单向量方法不适用。
  对此，本文提出一种新的图像表示学习方法，将输入图像 (包) 的局部块 (实例) 及其整体表示集成为一个单向量：
  1）首先学习投影以保持输入图像实例的全局和局部一致性；
  2）然后将同一图像的整体表示投影到所学习的子空间中，以丰富信息；
  3）考虑到自然场景和照片中内容和特征的变化，开发了优化目标，即使得许多${\ell }_1$范数之和的比例最大化；
  4）给出了一种新的有效的非贪婪迭代算法，并严格证明了算法的收敛性。一个示意如下图：

  Bib：

@inproceedings{liu2018learning,
author		=	{Kai Liu and Hua Wang and Fei Ping Nie and Hao Zhang},
title		=	{Learning multi-instance enriched image representations via non-greedy ratio maximization of the $\ell_1$-norm distances},
booktitle	=	{{IEEE} Conference on Computer Vision and Pattern Recognition}
year		=	{2018},
pages		=	{7727--7735}
}
1
2
3
4
5
6
7

1 习得MIL图像的单向量表示

1.1 符号系统和问题声明

  符号表如下：

  基于以上符号系统，每一个图像看作是包含实例 (语义块) 的包，且每个包中的实例数量通常不同。
  不同于以往的MIL，基于输入图像的实例建模，本文的目标为习得一个输入图像到单向量表示$\mathbf{y}=f(\mathcal{X})$的函数，其用于捕捉图像的局部块及整体信息。由于图像的每一个单向量是等长的，则可以使用任意的单实例模型进行学习。简单来说，这是一个基于映射的MIL方法。