多示例学习下的多任务分类方法

摘要

cqvip:多示例学习已应用于许多场景,如图像分类、恶意软件分类、文档分类、对象检测等。在多示例学习中,训练数据集中的每个数据都是一个包,包由多个示例组成。包有类别标签,实例没有类别标签。而学习的最终目标是给出新包的类别预测。我们以图像分类为例,每个图像都被视为一个包,图像被分成多个部分,每个部分可以看作是其中一个示例,对应多个示例在袋子里。如果图像是我们需要的图像,那么这个包就是一个正包,具有此图像特征的示例就是一个正示例。