多示例学习 (multi-instance learning, MIL) 学习路线 (分类)_多示例分类

0 补充

2024-01-15：
鉴于很多小伙伴学习多示例 (MIL) 这个领域，因此今后将重新对MIL的一些研究进行梳理，包括背景、经典方法、应用、交叉学科等，重点推荐有代码的文章，新博客参照：
https://inkiyinji.blog.csdn.net//article/details/135610544
2023-08-04：
目前这篇博客给出的论文很多已经比较旧了，大家快速浏览就行。更多的关于MIL的研究，请结合最新论文以及尽量结合具体应用。

1 简单认知

  作为完全的新手，推荐先去维基百度看看多示例的简介，再去CSDN等地方阅读一些多示例的综述博客，有一个总体的认知：即多示例是一种处理称之为包的学习范式，每个包由多个对象组成，一个包对应一个标签，实例通常不含标签，如下图 (b)。

  小提示：主要说分类，因为回归啥的大同小易，当然我也没有专门去搞。

2 学习伙伴

  一般而言，综述性论文或者书籍是学习一个方向的好伙伴，这里推荐一本书：Multiple instance learning foundations and algorithms，其囊括了16年以前关于多示例学习的发展历程、应用领域、前沿算法、实验手段等，其封面如下：

  小提示：这本书的原版是收费滴，请自行找资源下载。如实在不行，私发我你的邮箱，然而我发你。

2.1 关于这本书的使用

  主要当作手册之类的，当然你如果能在一个月内快速翻阅，对你的帮助无疑是巨大的。

2.2 不同方向的多示例方法

  简单的划分了一下：

  主要分为两类，传统的就是要去分析数据的结构，设计一套优化方法之类的。目前本人主要研究基于嵌入的方法，其他的话大致提一下。

2.2.1 基于实例的方法

  看学习伙伴那本书，说的很清楚。

2.2.2 基于包的方法

  入门文章：Multi-instance learning by treating instances as non-I.I.D. samples
  小提示：不要直接读我博客，自己读文章，咋个读后面说。
  进阶文章：Isolation set-kernel and its application to multi-instance learning
  这一篇提了一个距离度量，不过它后续的处理方法是基于嵌入的方法。当然这篇难度较大，读不懂跳过。

2.2.3 基于嵌入的方法

  开山之作：Multi-instance clustering with applications to multi-instance prediction
  进阶文章：Multi-instance learning with discriminative bag mapping

2.2.4 网络方法

  这个的话，传统的方法都可以看，多示例的也要看，推荐两篇：
  注意力机制：Attention-based deep multiple instance learning
  损失注意力：Loss-based attention for deep multiple instance learning

3 资源库

3.1 数据集

  https://blog.csdn.net/weixin_44575152/article/details/104769348

3.2 代码

  我的Github复现了一些，地址在本人置顶博客中，其他的自己找，一般都是开源，推荐自己先复现。

3.3 大佬主页

  周志华老师：http://129.211.169.156/publication/index.html?authors=Zhi-Hua%20Zhou

4 论文阅读

  按照先后顺序排列，同时也需要把每篇文章记录下来，建议一周至少一篇。

4.1 摘要

  先读这个，记录下别人的要点，如背景、拟解决问题、手段等。

4.2 算法

  一般来说，引入就是吹牛逼的，相关工作是致敬大佬的，除了前期了解的时候和写论文的时候，都直接跳过。
  算法部分是文章的精华，所包含的一些技术甚至可以转换为自己学习的武器。尤其在准备复现这篇文章时，需要细致研读。
  小提示：别人画的图需要学习下，方便以后自己画的时候用。

4.3 实验

  重点记录别人的实验手段、实验数据、对比算法。

5 代码能力

  推荐：精通Python和类似于C、C++这样的语言。
  说明：Python方便实验、C等方便学习算法的思想。

5.1 书籍推荐

  1）机器学习实战；
  2）Pytorch中文教程。
  当然这些的前提是你对python有一定的了解。

5.2 算法复现

  自己尝试复现算法，这是你后续实验中可能使用到的。

6 学习路线图