多实例学习的可变实例数

Question

我正在尝试针对二进制分类问题进行多实例学习，其中每个实例包都有一个关联的标签 0/1。但是，不同的包具有不同数量的实例。一种解决方案是取袋子的所有实例数中的最小值。例如-

Bag1 - 20 instances, Bag2- 5 instances, Bag3 - 10 instances .... etc

我从所有袋子中抽取最少 5 个实例。但是，这种技术会丢弃其他包中可能有助于训练的所有其他实例。

对于 MIL 是否有任何解决方法/算法可以处理袋子的可变实例编号？

Answer 1

您可以尝试为此使用RaggedTensors。它们主要用于 NLP 工作，因为句子具有可变数量的单词（并且段落具有可变数量的句子等）。但是将它们限制在这个域的不规则张量并没有什么特别之处。

请参阅the tensorflow docs 了解更多信息。并非所有层或操作都可以工作，但您可以使用密集层之类的东西来构建顺序或功能（甚至自定义）模型，如果这适合您的话。