- 博客(358)
- 资源 (11)
- 收藏
- 关注
原创 多示例学习 (multi-instance learning, MIL) 学习路线 (归类、重点文章列举、持续更新)
MIL学习路线:归类、重点文章概述 (持续更新ing...)
2024-01-15 20:43:24 988 2
原创 论文阅读113:A label disambiguation-based multimodal massive multiple instance learning approach (AAAI)
利用实例级多示例学习 (MIL) 框架来减少大规模MIL场景下的计算开销,并处理免疫库分类问题下的大存储容量挑战
2024-04-15 17:04:10 999
原创 论文阅读112:CaMIL: Causal multiple instance learning for whole slide image classification (2024AAAI)
提出用于WSI分类的因果多示例学习 (MIL) 框架CaMIL,其利用因果推断处理MIL中的虚假关联问题
2024-04-08 10:52:32 695
原创 论文阅读 (111):AdvMIL: Adversarial multiple instance learning for the survival analysis (2024 MIA)
提出了一个全新的对抗MIL框架 (AdvMIL):基于对抗事件时间建模,并在WSI表征学习过程中整合MIL;可以应用于目前的大部分MIL端到端方法;
2024-04-01 16:04:18 852
原创 论文阅读 (110):AnoDDPM: Anomaly detection with denoising diffusion probabilistic models
介绍了一种新颖的部分扩散异常检测策略AnoDDPM,其可扩展到高分辨率图像,以及为了应对高斯扩散无法捕获更大的异常,开发了一种多尺度单纯形噪声扩散过程
2024-01-30 15:35:40 753
原创 论文阅读 (109):Hard-label based small query black-box adversarial attack (2024 WACV)
在硬标签设置下提出了一个通过预训练白盒模型引导的黑盒攻击方法
2024-01-10 09:36:24 1041
原创 论文阅读 (108):A robust open-set multi-instance learning for defending adversarial attacks (2023 TIFS)
提出了一种稳健的开集多示例学习,以暴露基于GAN的AF攻击。
2024-01-03 19:51:57 1090
原创 论文阅读 (107):Multiple instance learning framework with masked hard instance mining (2023 CVPR)
提出了一个新颖算法MHIM-MIL,其使用蒙版硬实例挖掘下的Siamese结构来探索与训练硬实例。
2023-12-12 14:51:26 402
原创 论文阅读 (106):Decoupling maxlogit for out-of-distribution detection (2023 CVPR)
提出了一种心机基于logit的OOD方法,解耦最大逻辑 (DML);考虑硬样本和紧凑特征空间,提出改进后的DML+;解耦最大logit (MaxLogit) 为高效的MaxCosine和保证性能的MaxNorm;
2023-11-23 14:53:42 778
原创 论文阅读 (105):Out-of-distribution detection with deep nearest neighbors (2022 ICML)
本文探索了非参数近邻距离在OOD检测中的使用,其不需要任何分布假设,且取得了优异性能。
2023-11-21 09:42:41 217
原创 论文阅读 (104):DICE: Leveraging sparsification for out-of-distribution detection (2022ECCV)
分布外检测 (OOD) 是机器学习模型部署安全性的一大挑战。已有方法聚焦于权重空间,而忽视稀疏性 (sparsification);DICE根据贡献对权重重排名,并选择性地使用最重要的权重。
2023-11-17 15:36:00 162
原创 论文阅读 (103):Double similarities weighted multi-instance learning kernel and its application (2023)
提出了双相似加权MIL核框架 (DSMIL),其同时利用了包对包 (B2B) 与实例对包 (I2B) 相似性:B2B和I2B相似性可以基于包的关联性传播 (Affinity propagation, AP) 聚类,分别从包间的原型距离和包内的相似性矩阵导出
2023-10-26 18:53:43 181
原创 论文阅读 (102):Multiple instance learning via iterative self-paced supervised contrastive learning
提出了用于MIL表示学习的自步有监督对比学习 (ItS2CLR):1. 通过包标签导出 实例伪标签,以提高习得表征的质量;2. 使用自步采样策略,以确保伪标签的准确性;
2023-10-24 20:26:30 441 3
原创 论文阅读 (101):On the detection of out-of-distribution samples in multiple instance learning
在MIL设置下引入事后OOD检测,并设计一个新的基准来验证算法性能。
2023-09-19 15:04:40 302 2
原创 论文阅读 (100):Simple Black-box Adversarial Attacks (2019ICML)
提出了一个在黑盒设置下构建对抗图像的简单方法:1)从预定义的正交基中随机采样一个向量,并将其添加或减去到目标图像;2)在多个现实任务下展示了算法的性能和效率;3)算法非常快,且实现仅需不要20Pytorch代码;
2023-09-08 19:21:35 759 2
原创 论文阅读 (99):Black-box Adversarial Attacks with Limited Queries and Information (2018ICML)
基于神经网络的分类器在黑盒设置下对对抗样本敏感,其中攻击者只拥有模型的查询权限。实际应用中,这样的威胁模型比典型的黑盒模型更具限制性。在典型的黑盒模型中,攻击者可以在任务输入多个选定的输入上观察网络的完整输出。
2023-08-23 11:04:33 241
原创 论文阅读 (98):Learning from Positive and Unlabeled Multi-Instance Bags in Anomaly Detection (2023KDD)
提出首次在异常检测中从PU包学习的方法:1. 使用自编码器作为潜在异常检测器;2. 提出一个新的损失以从PU包中学习;
2023-08-18 10:16:21 276
原创 论文阅读 (97):Differentiable Zooming for Multiple Instance Learning on Whole-slide Images
受病理学诊断过程的启发,提出了ZoomMIL,其以端到端的方式学习且执行多级缩放,即汇聚多级尺度上的组织-上下文信息为多个WSI表示
2023-08-14 14:29:27 281 2
原创 论文阅读 (96):Rethinking Multiple Instance Learning for Whole Slide Image Classification (2023 IEEE TMI)
提出一个用于弱监督全幻灯片 (WSI) 分类的实例级多示例 (MIL) 框架:1. 结合对比学习和原型学习,以实验准确的实例和包分类;2. 提出了一个实例级弱监督对比学习算法,其通过原型学习来生成准确的实例伪标签;3. 提出了一个弱监督对比学习、原型学习,以及实例分类器训练的联合训练策略。
2023-07-19 15:07:28 504
原创 论文阅读 (95):Robust Self-Supervised Multi-Instance Learning with Structure Awareness (2023AAAI)
本文提出SMILES来学习无监督包表示,其有以下特性:1. 序列不变性,其不受实例顺序的影响;2. 结构感知,对实例之间的拓扑结构进行编码;3. 对实例噪声或者扰动具有健壮性。
2023-07-06 11:34:46 252 2
原创 论文阅读 (94):Substructure Aware Graph Neural Networks (SAGNN, AAAI2023)
尽管图神经网络 (GNN) 在图学习方面取得了巨大成就,但由于GNN的传播范式与一阶Weisfeiler-Leman图同构测试算法 (1-WL) 的一致性,导致其难以突破1-WL表达能力的上限。
2023-07-04 15:17:01 1890
原创 论文阅读 (93):Multi-Instance Causal Representation Learning for Instance Label Prediction (2022NeurIPS)
MIL中的实例标签不可知性致使实例级MIL算法和有监督学习者之间的显著性能差异。已有方法将包视作包含歧义的信息,并通过减少监督的不准确性来预测实例标签。
2023-06-27 11:08:26 457 5
原创 论文阅读 (92):Disambiguated Attention Embedding for Multi-Instance Partial-Label Learning (2023)
已有方法通过增强候选标签集和从实例标签获得包标签,这样的实例空间范式忽略了全局包信息,且预测的包标签易受负实例预测的影响。方法:本文提出一种替换策略—消歧注意力嵌入方法 (DEMIPL):1. 基于动力的消歧策略:从候选标签集中识别真实标签;2. 消歧注意力机制:将包嵌入为单向量。
2023-06-15 10:40:29 280 1
原创 论文阅读 (91):Multi-Instance Partial-Label Learning: Towards Exploiting Dual Inexact Supervision
在很多应用场景中,不确切监督信息同时存在于实例空间和标签空间,即对偶不确切监督信息,如图2所示。在此场景下,MIL和PLL均只能得到次优解。
2023-06-12 20:45:42 303
原创 论文阅读 (90):Proposal-based Multiple Instance Learning (P-MIL, 2023CVPR)
弱监督时间动作定位中,即仅在视频级标签下定位和识别未修剪视频中的动作。不考虑实例级标签时,已有方法大多使用基于片段的多示例 (S-MIL) 框架。这会引发两个问题:1) 测试阶段的目的是将动作提案作为一个整体并打分,而在训练阶段,分类器被训练为给多个片段打分,这样的不一致性将导致次优结果;2) 仅通过一个奔跑片段是很难对其归类的,只有通过观察整个动作实例,且使用上下文信息才能判断其具体的归属。本文立足于处理这个问题。
2023-06-08 11:08:12 1039
原创 论文阅读 (89):Childhood Leukemia Classification via Information Bottleneck Enhanced Hierarchical
本文**要点**如下:1. 白血病分类需要详细检查骨髓涂片;2. 由于需要大规模数据集和泛化能力差,现有的深度学习方法面临局限性;3. **多示例学习** (MIL) 在数据高效医学图像处理方面取得了不错的进展;4. 配备有**信息瓶颈** (information bottleneck, IB) 的**分层MIL框架**可以在没有细胞级注释的情况下识别与诊断相关的细胞,并且由于其它对比方法。
2023-05-09 14:51:10 261 2
原创 论文阅读 (88):Adversarial Examples for Semantic Segmentation and Object Detection
将对抗性样本的概念扩展到语义分割和对象检测,并提出稠密对抗生成算法 (Dense adversary generation, DAG)。
2023-04-27 09:37:35 677
原创 论文阅读 (87):Accelerated Proximal Gradient Methods for Nonconvex Programming
图像及信号处理过程中的非凸和非光滑问题备受关注,其中加速近端梯度 (Accelerated proximal gradient, APG) 是处理该问题的优秀方法。然而在非凸规划中,其是否能够收敛到一个临界点不得而知。本文通过引入一个满足充分下降属性的监视器,将APG扩展到通用的非凸和非平滑问题,并提出monotone APG和nonmonotone APG。其中,nonmonotone APG不要求目标函数单调约简,每次迭代需要的计算量更少。
2023-03-28 09:51:24 642
原创 Ripser.py学习 (9):贪心排列 (Greedy Permutation)
有时需要在很多点上执行持续同伦,但当点的数量超过1000时,计算H_1 则可能被终止。为了缓解这个问题,提出了通过近邻点采样的智能子采样。
2023-03-22 09:56:48 159
原创 Ripser.py学习 (8):莫比乌斯带与系数域 (Moebius Strip And The Field of Coefficients)
展示系数域如何影响H_1同伦
2023-03-22 09:20:21 208
原创 Ripser.py学习 (7):低星图像滤形 (Lower Star Image Filtrations)
本节展示在图像数据上的低星滤形和子阶集滤形。该滤形允许我们在0维持续图中,将局部最小值或者局部最大值作为初始时间,鞍点作为消亡时间
2023-03-21 21:26:50 250
原创 Ripser.py学习 (6):低星时间序列 (Lower Star Time Series)
展示在1D时间序列上的低星滤形 (lower star filtration) 和子阶集滤形,其是描述时间序列上关键点 (局部最小或者最大) 的一种方式。直观上,我们将计算时间序列图上方“水池上升”时得到的连通分量的H_0。当一个新的池子在局部最小值形成时,其对应于初始;反之在局部最大处形成时,其对应于消亡。在这个过程中,我们将展示如何使用沿稀疏距离矩阵对角线的非零元素来设置顶点初始时间。
2023-03-21 20:30:11 147
原创 Ripser.py学习 (4):近似空间滤形 (Approximate Sparse Filtrations)
近似空间滤形用于降低持续同伦算法的运行时间
2023-03-21 17:11:44 339
原创 Ripser.py学习 (3):表征共循环 (Representative Cocycles)
Ripser是基于共同伦 (cohomology) 的,它为持续共同伦算法的类生成器生成表征共循环。这里共同伦是同伦的对偶,共边界算子是边界算子的伴随算子,也就是说,共边界算子 (coboundary operator) 采用d形式到d+1形式。例如,共边界算子\delta_0在向量空间 (原始边界上的函数) 采用0形式到1形式,\delta_1使用1形式到2形式。一个d维的共循环是一个d形式,其\delta_d=0。
2023-03-20 20:16:29 342
原创 Ripser.py学习 (1):概述
Ripser.py是一个用于持续同伦 (Persistent homology) 的Python库,其在C++ Ripser的基础上构建,提供了一些诸如以下的强大接口:1)计算稀疏或者稠密数据的持续同伦。持续同伦是一种在拓扑数据分析中用来识别拓扑结构的方法。它可以用来分析一组数据的拓扑性质,通过检测数据的局部和全局的拓扑结构,可以提供对数据集的更深入的理解。在持续同伦的过程中,拓扑结构被表示为一系列的持久性特征,其中包括持续性间隙、持续性循环等。而拓扑结构的持续同伦则是指,在拓扑结构中不同维度的持续特征可以
2023-03-20 15:19:44 651
原创 论文阅读 (86):Normality Guided Multiple Instance Learning for Weakly Supervised Video Anomaly Detection
弱监督视频异常检测 (wVAD) 的目的是基于视频级特征判断正常事件中的异常。已有工作通常使用基于排序损失的多示例学习。然而这些方法依赖于MIL分类器的预测,这是有噪声的,其将影响目标实例的选择,进而降低模型性能。为了克服这个问题,我们提出了正态导向多示例学习 (NG-MIL),其将来自无噪声正常视频的多种正常模式编码,用于构建基于相似性的分类器。通过集成两个分类器的预测,NG-MIL可以微调异常得分,降低训练不稳定性。此外,引入了正态聚类和正态引导的三元组损失约束包内实例,以提高NG-MIL 的效果并增加
2023-03-14 09:13:46 330
原创 论文阅读 (85):Residual Attention-Aided U-Net GAN and Multi-Instance Multilabel Classifier for Automatic
提出了一个重叠LPI波形识别处理框架,其整合了残差注意力U-Net对抗生成网络 (Generative adversarial network, GAN)。该框架包含五个模块,在训练集仅仅是单类型信号的情况下,也能获得很好的识别性能:1、训练信号被转换为时频图;2、使用具有残差学习的残差注意力U-Net GAN (RAUGAN) ,以噪声图像作为输入,并在高质量图像的监督下重建信号图像;3、具有非对称卷积的实例生成模型生成实例表示,该结果作为后续的残差注意力MIML分类器 (RAMIML) 的输入...
2023-02-22 14:49:27 846 5
FlyingChairs-Test数据集 (前30个样本)
2022-10-31
vision-references.zip
2021-12-24
messidor.zip
2020-12-05
MIL_benchmark (MUSK、Elephant、Fox、Tiger).zip
2020-11-03
weka-dev-3.7.10.jar
2020-06-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人