图匹配的拉格朗日分解与对偶上升求解器研究

我们研究二次指派问题，在计算机视觉中也称为图匹配。该问题的两个领先求解器通过次梯度和对偶上升（也称为消息传递）更新来优化拉格朗日分解对偶。我们进一步探索这一方向，并提出了图匹配问题的若干附加拉格朗日松弛及相应算法，它们均基于一个共同的对偶上升框架。我们广泛的经验性评估给出了若干理论见解，并为所考虑的问题提出了一种新的当前最优的随时求解器。与现有技术相比，我们的改进在一个包含每个实例超过500个图节点的大规模稀疏问题实例的新数据集上尤为显著。