MIS-Boost: 多实例选择提升
机器学习
2011-09-13 v1 计算机视觉与模式识别
摘要
在本文中，我们提出了一种新的多实例学习 (MIL) 方法，称为 MIS-Boost，该方法通过在提升框架中进行显式实例选择来学习判别性实例原型。与先前基于实例选择的 MIL 方法不同，我们不将原型限制为训练实例的离散集合，而是允许它们在实例特征空间中取任意值。我们也不限制原型的总数以及每个包中选择的实例数量；这些数量完全由数据驱动。我们表明，MIS-Boost 在多个基准数据集上优于最先进的 MIL 方法。我们还将 MIS-Boost 应用于大规模图像分类，其中我们展示了自动选择的原型映射到视觉上有意义的图像区域。
引用
@article{arxiv.1109.2388,
title = {MIS-Boost: Multiple Instance Selection Boosting},
author = {Emre Akbas and Bernard Ghanem and Narendra Ahuja},
journal= {arXiv preprint arXiv:1109.2388},
year = {2011}
}