一种基于原型学习的多示例卷积神经网络

• 作者: 何克磊 史颖欢 张缨 汪栋 霍静 高阳
• 来源期刊: 计算机学报
• 学科: 工学
• 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
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1265-1274
• 页数: 10页
• 分类号: TP391
• 字数: 7620字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.01265

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高阳	南京大学计算机软件新技术国家重点实验室	77	1645	20.0	39.0
2	何克磊	南京大学计算机软件新技术国家重点实验室	1	17	1.0	1.0
3	史颖欢	南京大学计算机软件新技术国家重点实验室	8	59	5.0	7.0
4	霍静	南京大学计算机软件新技术国家重点实验室	4	44	3.0	4.0
5	汪栋		6	42	4.0	6.0
6	张缨		1	17	1.0	1.0