複数インスタンス学習 (MIL) は、ギガピクセル組織病理学全体スライド画像 (WSI) の分類タスクの主要なアプローチになっています。 MIL フレームワーク内では、単一の WSI (バッグ) がパ

arxiv_reader のブックマーク 2023/03/03 12:31

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4733130442498183812/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2303.01377v1" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2303.01377v1" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2303.01377v1" data-user-icon="/users/arxiv_reader/profile.png">BEL: A Bag Embedding Loss for Transformer は、複数インスタンス全体のスライド画像分類を強化します</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/learning">learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/classification">classification</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/transformer">transformer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/embedding">embedding</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/representation">representation</a>]</li></ul><br><p style="clear: left">複数インスタンス学習 (MIL) は、ギガピクセル組織病理学全体スライド画像 (WSI) の分類タスクの主要なアプローチになっています。 MIL フレームワーク内では、単一の WSI (バッグ) がパ</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20230303#bookmark-4733130442498183812"><span class="datetime-body">2023/03/03 12:31</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！