論文の概要: An Entropy Based Outlier Score and its Application to Novelty Detection for Road Infrastructure Images

• arxiv url: http://arxiv.org/abs/2005.13288v2
• Date: Wed, 5 May 2021 08:40:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 07:52:45.699123
• Title: An Entropy Based Outlier Score and its Application to Novelty Detection for Road Infrastructure Images
• Title（参考訳）: エントロピーに基づく外乱スコアと道路インフラストラクチャ画像の新規検出への応用
• Authors: Jonas Wurst, Alberto Flores Fern\'andez, Michael Botsch and Wolfgang Utschick
• Abstract要約: 外れ値スコアは、類似性の重み付き正規化エントロピーによって実現される。 目的は、事前に収集されたベースデータセットに基づいて、新たに観測されたインフラストラクチャを特定することである。 外乱スコアの一般化能力を検証するために、様々な実世界のデータセットに適用する。
• 参考スコア（独自算出の注目度）: 8.746176113214727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel unsupervised outlier score, which can be embedded into graph based dimensionality reduction techniques, is presented in this work. The score uses the directed nearest neighbor graphs of those techniques. Hence, the same measure of similarity that is used to project the data into lower dimensions, is also utilized to determine the outlier score. The outlier score is realized through a weighted normalized entropy of the similarities. This score is applied to road infrastructure images. The aim is to identify newly observed infrastructures given a pre-collected base dataset. Detecting unknown scenarios is a key for accelerated validation of autonomous vehicles. The results show the high potential of the proposed technique. To validate the generalization capabilities of the outlier score, it is additionally applied to various real world datasets. The overall average performance in identifying outliers using the proposed methods is higher compared to state-of-the-art methods. In order to generate the infrastructure images, an openDRIVE parsing and plotting tool for Matlab is developed as part of this work. This tool and the implementation of the entropy based outlier score in combination with Uniform Manifold Approximation and Projection are made publicly available.
• Abstract（参考訳）: 本研究は,グラフベース次元減少手法に組み込むことができる新規な教師なし外付けスコアについて述べる。 スコアはこれらの技法の有向近辺グラフを使用する。 したがって、データを低次元に投影するために使用される類似性の同じ尺度も、外れ値を決定するために使用される。 外れ値スコアは類似性の重み付き正規化エントロピーによって実現される。 このスコアは道路インフラストラクチャー画像に適用される。 その目的は、事前に収集されたベースデータセットから新たに観測されたインフラストラクチャを特定することである。 未知のシナリオを検出することは、自動運転車の迅速な検証の鍵となる。 その結果,提案手法の可能性が示唆された。 アウトリアースコアの一般化能力を検証するために、様々な実世界のデータセットにも適用される。 提案手法を用いて外れ値の同定における全体的な平均性能は,最先端手法と比較して高い。 インフラ画像を生成するために,この作業の一環として,Matlab の OpenDRIVE 解析・プロットツールを開発した。 このツールと、Uniform Manifold ApproximationとProjectionを組み合わせたエントロピーベースのアウトリースコアの実装が公開されている。

関連論文リスト

• CLIP-Clique: Graph-based Correspondence Matching Augmented by Vision Language Models for Object-based Global Localization [0.0]
  オブジェクトマップ上のローカライズのための最も有望なアプローチの1つは、セマンティックグラフマッチングを使用することである。 従来の問題に対処するために、視覚言語モデルを用いた対応マッチングを強化する。 さらに、inlierはグラフ理論のアプローチを用いて決定的に推定される。
  論文  参考訳（メタデータ） (2024-10-04T00:23:20Z)
• Beyond the Known: Adversarial Autoencoders in Novelty Detection [2.7486022583843233]
  新規性検出では、新しいデータポイントをinlierまたはoutlierに分類するかどうかを判断する。 我々は類似のフレームワークを軽量なディープネットワークで使用し、再構成誤差を伴う確率的スコアを採用する。 その結果,本手法は対象クラスを学習する上で有効であることが示唆され,いくつかのベンチマークデータセット上での最近の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-04-06T00:04:19Z)
• Piecewise-Linear Manifolds for Deep Metric Learning [8.670873561640903]
  教師なしの深度学習は、ラベルなしデータのみを使用して意味表現空間を学習することに焦点を当てる。 本稿では,各低次元線形片が点の小さな近傍でデータ多様体を近似して高次元データ多様体をモデル化することを提案する。 我々は、この類似度推定が、現在の最先端技術の類似度推定よりも基礎的真理と相関していることを実証的に示す。
  論文  参考訳（メタデータ） (2024-03-22T06:22:20Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• Bures-Wasserstein Means of Graphs [60.42414991820453]
  本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。 この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。 我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-05-31T11:04:53Z)
• Concrete Score Matching: Generalized Score Matching for Discrete Data [109.12439278055213]
  コンクレトスコア(Concrete score)とは、個別の設定のためのスコア(ステイン)の一般化である。 コンクレトスコアマッチング(Concrete Score Matching)は、サンプルからこのようなスコアを学習するフレームワークである。
  論文  参考訳（メタデータ） (2022-11-02T00:41:37Z)
• Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
  グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。 UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
  論文  参考訳（メタデータ） (2022-06-21T01:46:38Z)
• FV-UPatches: Enhancing Universality in Finger Vein Recognition [0.6299766708197883]
  限られたデータで学習しながら一般化を実現するユニバーサルラーニングベースのフレームワークを提案する。 提案フレームワークは、他の静脈ベースの生体認証にも応用可能性を示す。
  論文  参考訳（メタデータ） (2022-06-02T14:20:22Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。