本期为TechBeat人工智能社区第377期线上Talk。

北京时间1月27日(周四)20:00，中科院计算所在读博士生——温佩松的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “多分排序问题中的低假阳率优化”，届时提出一个新的测试指标TPR@FPR，用于衡量模型在低FPR场景下的性能的同时，也提供了一种针对TPR@FPR的端到端优化算法。

Talk·信息

主题：多分排序问题中的低假阳率优化

嘉宾：中科院计算所在读博士生温佩松

时间：北京时间 1月27日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/EoZANvQP至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·提纲

在机器学习领域，多分排序问题是有众多应用的基础问题，常用AUC指标衡量模型性能。然而，AUC并不适用于假阳率（FPR）敏感场景，而医学诊断、内容审核等多分排序场景更关注低FPR下模型的性能。因此，本研究提出一个新的测试指标TPR@FPR，用于衡量模型在低FPR场景下的性能。同时，本研究提供了一种针对TPR@FPR的端到端优化算法，使得提升深度模型在TPR@FPR指标上的性能成为可能。本次报告将详细介绍问题背景和算法细节。

1. 研究背景——低FPR场景的现实意义

2. 衡量指标——衡量FPR敏感场景的指标TPR@FPR

3. 优化算法——多分排序问题中TPR@FPR的端到端优化

4. 算法实践——在医学诊断、涉黄图像检测等场景的应用

Talk·预习资料

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

2. https://github.com/KID-7391/CBA-MR

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

温佩松

中科院计算所在读博士生

本科毕业于南开大学智能科学与技术专业，现在是中科院计算所二年级博士生，导师为IEEE Fellow、中国科学院大学讲席教授黄庆明。研究方向为机器学习与计算机视觉，目前主要研究兴趣涉及排序指标优化、图像检索、多模态学习。在T-PAMI、NeurIPS、CVPR、ACM-MM等CCF-A类期刊/会议发表论文四篇，其中三篇为第一作者。

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ