换一批
换一批摘要卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了一种新的原型学习层.该层使用基于原型度量的算法,实现了示例特征至包特征的映射,从而使网络能够在包的层面给予类标信息,进而完成整个模型的学习过程.该文首先在肺癌病理图像细胞分类的问题中,验证了该网络的性能.实验表明,相较于传统基于手工图像特征的方法,该文所提出的方法在准确率方面约有12%的提升.相较于卷积神经网络结合传统多示例学习的方法,所提出的方法在各项指标上同样取得了更好的效果.此外,在自然图像分类数据集GRAZ-02上,所提出的方法相较于目前最优的算法也取得了相当的效果.
更多相关知识
关键词
深度学习多示例学习原型学习卷积神经网络图像分类人工智能deep learningmulti-instance learningprototype learningconvolutional neural networkimage classificationartificial intelligence
分类号
TP391
栏目名称
人工智能
DOI
10.11897/SP.J.1016.2017.01265
发布时间
2017-07-12
基金项目
国家自然科学基金
江苏省自然科学基金
- 浏览1
- 被引30
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
