024 | CVPR 2018论文精读：如何解决排序学习计算复杂度高这个问题？
洪亮劼
该思维导图由 AI 生成，仅供参考
今天，我们来看这次大会的一篇最佳论文提名，标题是《基于排序的损失函数的有效优化》（Efficient Optimization for Rank-based Loss Functions）。
还是先简单介绍下论文的作者群。这篇论文的作者来自好几个不同的学术机构。
第一作者普里迪什·莫哈帕德拉（Pritish Mohapatra）是印度海得拉巴的国际信息科技大学（International Institute of Information Technology，Hyderabad）的计算机科学博士生。他已经在 NIPS、CVPR、ICCV、AISTATS 等国际机器学习权威会议上发表了多篇论文。
第二作者米卡尔·罗莱内克（Michal Rolinek）来自德国的马克思普朗克智能系统大学（Max Planck Institute for Intelligent Systems），博士后研究员。在这篇论文中，第一作者和第二作者的贡献相当。
第三作者贾瓦哈（C.V. Jawahar）是来自印度国际信息科技学院的教授。他是第一作者莫哈帕德拉的博士生导师。
第四作者弗拉迪米尔·科莫格罗夫（Vladimir Kolmogorov）是奥地利科技大学（Institute of Science and Technology Austria）的机器学习教授。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
CVPR 2018最佳论文提名《基于排序的损失函数的有效优化》介绍了针对排序学习中计算复杂度高的问题提出的快速优化算法。该算法通过“基于快速排序机制”框架，实现了对排序学习计算复杂度高的问题的大幅度优化。作者们还证明了该优化框架适用于流行的排序学习指标，如NDCG和MAP。在实验中，他们在PASCAL VOC 2011数据集上进行了比较，结果显示该方法在性能上明显优于直接进行单点法排序和列表法优化。该论文的核心方法是通过发明“基于快速排序机制”框架，利用快速排序的时间复杂度来寻找违反排序原则最严重的配对。这篇论文的重要贡献在于提出了针对排序学习计算复杂度高的问题的快速优化算法，为解决排序学习中的核心困难提供了新思路。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论