多示例学习的基本概念

 

 

问题一:既然示例没有标记那他的正负怎么判断？我猜应该是做少量标记。

问题二:多示例会不会导致模型对一张图片预测的不准？因为标签只是正负包是不是只能做一些粒度比较大的任务？

 

 

 

 

 

 

感觉多示例可以看成多通道啊，最后给个包得分也没啥问题吧？ 因为序列不变性，所以不能是多通道，不太懂特征提取层怎么弄。

多示例的构造:

基本就是由一个神经网络处理多条数据。

 

第一步用神经网络去实现，一个包中含有k条数据，每条数据依次经过神经网络然后经过池化映射为包嵌入，最好分析包嵌入来分析。