ProtoMIL：用于全切片图像分类的基于原型部分的多示例学习
机器学习
2022-09-07 v2 人工智能
计算机视觉与模式识别
摘要
多示例学习因其弱监督性质在许多现实机器学习应用中日益流行。然而，在解释MIL方面的相应努力却相对滞后，通常仅限于展示对特定预测至关重要的包中示例。本文通过引入ProtoMIL填补了这一空白，这是一种受基于案例的推理过程启发、在视觉原型上操作的新型自解释MIL方法。得益于将原型特征融入对象描述，ProtoMIL前所未有地结合了模型准确性和细粒度可解释性，我们在五个公认的MIL数据集上的实验展示了这一点。
引用
@article{arxiv.2108.10612,
title = {ProtoMIL: Multiple Instance Learning with Prototypical Parts for Whole-Slide Image Classification},
author = {Dawid Rymarczyk and Adam Pardyl and Jarosław Kraus and Aneta Kaczyńska and Marek Skomorowski and Bartosz Zieliński},
journal= {arXiv preprint arXiv:2108.10612},
year = {2022}
}
备注
Accepted to ECML PKDD 2022