基于双向多实例学习的去噪性知识蒸馏
计算机视觉与模式识别
2025-05-28 v2
摘要
多实例学习是数字病理学中Whole Slide Image分类的主要方法，使能够使用slide级标签来监督模型训练。尽管多实例学习消除了监督学习中繁琐的精细标注过程，但它是否能够学习准确的袋级和实例级分类器仍是一个问题。为此， incorpor 了实例级分类器和实例掩码，以将预测锚定在支持性切片上。这些方法虽然在实践中改善了多实例学习方法的性能，但可能引入噪声标签。我们提出通过弱到强泛化技术激发的伪标签纠正能力，增强袋级和实例级学习过程之间的差距。所提出的算法在bag级和实例级预测上提升了双级多实例学习算法的性能。在公共病理学数据集上的实验展示了所提方法的优势。
引用
@article{arxiv.2505.12074,
title = {Denoising Mutual Knowledge Distillation in Bi-Directional Multiple Instance Learning},
author = {Chen Shu and Boyu Fu and Yiman Li and Ting Yin and Wenchuan Zhang and Jie Chen and Yuhao Yi and Hong Bu},
journal= {arXiv preprint arXiv:2505.12074},
year = {2025}
}
备注
15 pages, 3 figures