本期為TechBeat人工智能社區(qū)第377期線上Talk。

北京時(shí)間1月27日(周四)20:00，中科院計(jì)算所在讀博士生——溫佩松的Talk將準(zhǔn)時(shí)在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是: “多分排序問題中的低假陽率優(yōu)化”，屆時(shí)提出一個(gè)新的測試指標(biāo)TPR@FPR，用于衡量模型在低FPR場景下的性能的同時(shí)，也提供了一種針對TPR@FPR的端到端優(yōu)化算法。

Talk·信息

主題：多分排序問題中的低假陽率優(yōu)化

嘉賓：中科院計(jì)算所在讀博士生溫佩松

時(shí)間：北京時(shí)間?1月27日?(周四) 20:00

地點(diǎn)：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/EoZANvQP至瀏覽器，一鍵完成預(yù)約！上線后會在第一時(shí)間收到通知哦

Talk·提綱

在機(jī)器學(xué)習(xí)領(lǐng)域，多分排序問題是有眾多應(yīng)用的基礎(chǔ)問題，常用AUC指標(biāo)衡量模型性能。然而，AUC并不適用于假陽率（FPR）敏感場景，而醫(yī)學(xué)診斷、內(nèi)容審核等多分排序場景更關(guān)注低FPR下模型的性能。因此，本研究提出一個(gè)新的測試指標(biāo)TPR@FPR，用于衡量模型在低FPR場景下的性能。同時(shí)，本研究提供了一種針對TPR@FPR的端到端優(yōu)化算法，使得提升深度模型在TPR@FPR指標(biāo)上的性能成為可能。本次報(bào)告將詳細(xì)介紹問題背景和算法細(xì)節(jié)。

1.?研究背景——低FPR場景的現(xiàn)實(shí)意義

2.?衡量指標(biāo)——衡量FPR敏感場景的指標(biāo)TPR@FPR

3.?優(yōu)化算法——多分排序問題中TPR@FPR的端到端優(yōu)化

4.?算法實(shí)踐——在醫(yī)學(xué)診斷、涉黃圖像檢測等場景的應(yīng)用

Talk·預(yù)習(xí)資料

1.?https://proceedings.neurips.cc/paper/2021/hash/28267ab848bcf807b2ed53c3a8f8fc8a-Abstract.html

2.?https://github.com/KID-7391/CBA-MR

Talk·提問交流

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻(xiàn)，我們都會給予你相應(yīng)的i豆積分，還會有驚喜獎勵哦！

方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

溫佩松

中科院計(jì)算所在讀博士生

本科畢業(yè)于南開大學(xué)智能科學(xué)與技術(shù)專業(yè)，現(xiàn)在是中科院計(jì)算所二年級博士生，導(dǎo)師為IEEE Fellow、中國科學(xué)院大學(xué)講席教授黃慶明。研究方向?yàn)闄C(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺，目前主要研究興趣涉及排序指標(biāo)優(yōu)化、圖像檢索、多模態(tài)學(xué)習(xí)。在T-PAMI、NeurIPS、CVPR、ACM-MM等CCF-A類期刊/會議發(fā)表論文四篇，其中三篇為第一作者。

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個(gè)薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn)，加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地，分享自己最新工作的沃土，在AI進(jìn)階之路上的升級打怪的根據(jù)地！

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ?