1. マルチインスタンス学習の概要
マルチインスタンス学習 (MIL) は弱教師あり学習の一種で、トレーニング インスタンスがバッグと呼ばれるセットに配置され、バッグ全体にラベルが提供されます。このアプローチは、当然のことながらさまざまな問題に適しており、弱いラベルが付けられたデータの活用を可能にするため、ますます注目を集めています。したがって、コンピュータ ビジョンや文書分類などのさまざまなアプリケーション ドメインで使用されます。
マルチ インスタンス学習 (MIL) は、バッグと呼ばれるアンサンブルに配置されたトレーニング データを扱います。バッグに含まれるインスタンスの個別のラベルは提供されません。この問題の定式化は、特に大規模な問題を解決するために必要なデータ量が飛躍的に増加した近年、研究コミュニティから多くの注目を集めています。大量のデータには、ますます多くのラベル付け作業が必要になりますが、弱く監視された方法ではこの負担を軽減できます。MIL は、画像やビデオの分類、ドキュメントの分類、音声の分類など、他の多くのアプリケーション ドメインでも使用されることが増えています。
MIL は教師あり学習の一種で、多くの論文や論文で、そのほとんどが病理学に適用されています。この手法には、単一のクラス ラベルを入力コレクション (この文脈ではインスタンスのバッグと呼ばれます) に割り当てることが含まれます。ラベルはバッグ内のすべてのインスタンスに存在すると想定されますが、これらのラベルはアクセスできず、トレーニング中は不明のままです。通常、バッグ内のすべてのインスタンスが陰性の場合、バッグは陰性とラベル付けされ、少なくとも 1 つの陽性のインスタンスがある場合は陽性とラベル付けされます (標準の MIL 仮定として知られています)。以下の図は、キーチェーンに特定のドアを開けることができる鍵が含まれているかどうかだけがわかる簡単な例を示しています。これにより、緑色の鍵でドアが開くと推測できます。
2. マルチインスタンス学習の応用
MIL は、トレーニング データをパッケージに自然に編成できるさまざまなドメインのアプリケーションを見つけます。例としては次のようなものがあります。