論文の概要: Safety-Aware Hardening of 3D Object Detection Neural Network Systems

• arxiv url: http://arxiv.org/abs/2003.11242v3
• Date: Wed, 1 Apr 2020 09:46:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 02:29:20.947665
• Title: Safety-Aware Hardening of 3D Object Detection Neural Network Systems
• Title（参考訳）: 3次元物体検出ニューラルネットワークシステムの安全性向上
• Authors: Chih-Hong Cheng
• Abstract要約: 単一段パイプラインを用いた3次元物体検出のための最先端ニューラルネットワークの安全性について検討した。 この概念は、鳥の目視で物体の境界ボックスを点雲からの入力で生成する最先端のPIXOR検出器を拡張して詳述している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study how state-of-the-art neural networks for 3D object detection using a single-stage pipeline can be made safety aware. We start with the safety specification (reflecting the capability of other components) that partitions the 3D input space by criticality, where the critical area employs a separate criterion on robustness under perturbation, quality of bounding boxes, and the tolerance over false negatives demonstrated on the training set. In the architecture design, we consider symbolic error propagation to allow feature-level perturbation. Subsequently, we introduce a specialized loss function reflecting (1) the safety specification, (2) the use of single-stage detection architecture, and finally, (3) the characterization of robustness under perturbation. We also replace the commonly seen non-max-suppression post-processing algorithm by a safety-aware non-max-inclusion algorithm, in order to maintain the safety claim created by the neural network. The concept is detailed by extending the state-of-the-art PIXOR detector which creates object bounding boxes in bird's eye view with inputs from point clouds.
• Abstract（参考訳）: 単段パイプラインを用いた3次元物体検出のための最先端ニューラルネットワークの安全性について検討した。 まず、3次元入力空間を臨界度で分割する安全仕様(他のコンポーネントの能力を反映する)から始め、臨界領域は摂動下でのロバスト性、バウンディングボックスの品質、トレーニングセットで実証された偽陰性に対する耐性を別々に基準として採用する。 アーキテクチャ設計では,特徴レベルの摂動を許容するシンボリックなエラー伝搬を考える。 次に,(1)安全仕様,(2)単一ステージ検出アーキテクチャの使用,(3)摂動下でのロバスト性の評価を反映した特殊な損失関数を導入する。 また、ニューラルネットワークが生成する安全性クレームを維持するために、一般的に見なされる非マックス抑制後処理アルゴリズムを安全認識非マックス排除アルゴリズムに置き換える。 この概念は、鳥の目視で物体の境界ボックスを点雲からの入力で生成する最先端のPIXOR検出器を拡張して詳述している。

関連論文リスト

• Online Collision Risk Estimation via Monocular Depth-Aware Object Detectors and Fuzzy Inference [6.856508678236828]
  このフレームワークは、異なるアルゴリズムによって生成される予測を2つ受け取り、不整合とファジィ推論による衝突リスクを関連付ける。 IoU(Intersection-over-Union)と深度差測定(deep discrepancy measure)に基づいて,2組の予測の不一致が3次元物体検出器の安全性関連誤差と強く相関していることを実験的に検証した。
  論文  参考訳（メタデータ） (2024-11-09T20:20:36Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Run-time Monitoring of 3D Object Detection in Automated Driving Systems Using Early Layer Neural Activation Patterns [12.384452095533396]
  自動運転システム(ADS)の統合性監視は安全性を確保する上で最重要である。 近年のディープニューラルネットワーク(DNN)を用いた物体検出装置の進歩,検出誤差への感受性は重要な懸念点である。
  論文  参考訳（メタデータ） (2024-04-11T12:24:47Z)
• LS-VOS: Identifying Outliers in 3D Object Detections Using Latent Space Virtual Outlier Synthesis [10.920640666237833]
  LiDARベースの3Dオブジェクト検出器は、自動運転アプリケーションにおいて前例のないスピードと精度を達成した。 それらはしばしば、信頼度の高い予測や、実際のオブジェクトが存在しないリターン検出に偏っている。 LS-VOSは,3次元物体検出における外れ値の同定を行うフレームワークである。
  論文  参考訳（メタデータ） (2023-10-02T07:44:26Z)
• OriCon3D: Effective 3D Object Detection using Orientation and Confidence [0.0]
  1つの画像から3次元物体を検出するための高度な手法を提案する。 我々は、深層畳み込みニューラルネットワークに基づく3Dオブジェクト重み付け指向回帰パラダイムを用いる。 提案手法は, 3次元オブジェクトのポーズ決定の精度を大幅に向上し, ベースライン法を超越した。
  論文  参考訳（メタデータ） (2023-04-27T19:52:47Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Geometry of Radial Basis Neural Networks for Safety Biased Approximation of Unsafe Regions [15.933842803733244]
  この原稿は、ゼロリングバリア関数合成に使用されるニューラルネットワークの特定の幾何学について記述している。 ネットワークが状態空間を安全な領域と安全でない領域に分割するために必要な表現を提供する方法を示している。
  論文  参考訳（メタデータ） (2022-10-11T16:34:42Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• Anchor-free 3D Single Stage Detector with Mask-Guided Attention for Point Cloud [79.39041453836793]
  我々は、点雲をアンカーフリーで検出する新しい1段3次元検出器を開発した。 ボクセルをベースとしたスパース3D特徴量からスパース2D特徴量マップに変換することでこれを克服する。 検出信頼度スコアとバウンディングボックス回帰の精度との相関性を改善するために,IoUに基づく検出信頼度再校正手法を提案する。
  論文  参考訳（メタデータ） (2021-08-08T13:42:13Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。