基本概念
- Permutation Invariant：指的是特征之间没有空间位置关系
- Pooling(池化):是卷积神经网络中的一个重要的概念，它实际上是一种形式的降采样。多种不同形式的非线性池化函数，而其中“最大池化（Max pooling）”是最为常见的。它是将输入的图像划分为若干个矩形区域，对每个子区域输出最大值。直觉上，这种机制能够有效的原因在于，在发现一个特征之后，它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合
实例级别：是一个实例级别的分类器，返回值为每个实例的分数，
则是判别函数。
嵌入级别：将实例映射为一个低维嵌入；MIL池化用于获取包的表示。
MIL池化
最大池化层：
最大池化层：
注意力机制
表示包的嵌入，MIL的嵌入为：
其中：
门控注意力机制：
文章出处登录后可见！
已经登录？立即刷新
