《表1 标准MIL数据集及其正负包、特征和示例信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合深度特征的多示例学习陶俑图像分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步验证本文方法的有效性和通用性，这里选用标准MIL数据集Musk，Elephant，Tiger和Fox测试其性能。Musk数据集是由Dietterich等在研究分子活性预测时提出的，它由Musk1和Musk2两部分组成。Musk1包含47个正包和45个负包，Musk2包含39个正包和63个负包，其中Musk1中包括的示例数从2到40不等，Musk2包括的示例数则从1到1 044不等，特征向量维度为166。另外，选择Elephant，Tiger和Fox为3类图像测试集，为了与其他MIL算法进行比较，采用文献[12]的方法将图像分割成不同的区域，并提取其颜色、纹理和形状组成手工特征。表1中列出了Musk1，Musk2，Elephant，Tiger和Fox数据集的信息。