論文の概要: An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear
Analysis
- arxiv url: http://arxiv.org/abs/2007.07129v2
- Date: Thu, 16 Jul 2020 09:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 15:00:04.620995
- Title: An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear
Analysis
- Title（参考訳）: 不確実性に基づく産業用工具摩耗分析用ヒューマン・イン・ザ・ループシステム
- Authors: Alexander Treiss, Jannis Walk, Niklas K\"uhl
- Abstract要約: 人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。
シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Convolutional neural networks have shown to achieve superior performance on
image segmentation tasks. However, convolutional neural networks, operating as
black-box systems, generally do not provide a reliable measure about the
confidence of their decisions. This leads to various problems in industrial
settings, amongst others, inadequate levels of trust from users in the model's
outputs as well as a non-compliance with current policy guidelines (e.g., EU AI
Strategy). To address these issues, we use uncertainty measures based on
Monte-Carlo dropout in the context of a human-in-the-loop system to increase
the system's transparency and performance. In particular, we demonstrate the
benefits described above on a real-world multi-class image segmentation task of
wear analysis in the machining industry. Following previous work, we show that
the quality of a prediction correlates with the model's uncertainty.
Additionally, we demonstrate that a multiple linear regression using the
model's uncertainties as independent variables significantly explains the
quality of a prediction (\(R^2=0.718\)). Within the uncertainty-based
human-in-the-loop system, the multiple regression aims at identifying failed
predictions on an image-level. The system utilizes a human expert to label
these failed predictions manually. A simulation study demonstrates that the
uncertainty-based human-in-the-loop system increases performance for different
levels of human involvement in comparison to a random-based human-in-the-loop
system. To ensure generalizability, we show that the presented approach
achieves similar results on the publicly available Cityscapes dataset.
- Abstract（参考訳）: 畳み込みニューラルネットワークは、画像セグメンテーションタスクにおいて優れたパフォーマンスを実現することが示されている。
しかし、ブラックボックスシステムとして動作する畳み込みニューラルネットワークは、一般的に彼らの決定の信頼性について信頼できる尺度を提供していない。
これは、産業環境における様々な問題、特にモデルのアウトプットにおけるユーザからの信頼レベルが不十分なこと、および現在のポリシーガイドライン(EU AI Strategyなど)に準拠していないことにつながる。
これらの問題に対処するために,我々はモンテカルロドロップアウトに基づく不確実性尺度を用いて,人間のループ内システムを用いてシステムの透明性と性能を向上させる。
特に, 加工産業における摩耗分析における実世界のマルチクラス画像分割タスクにおいて, 上述の利点を実証する。
先行研究の結果,予測の質はモデルの不確実性と相関することが示された。
さらに、モデルの不確かさを独立変数として用いた多重線形回帰が予測の品質を著しく説明できることを実証する(\(R^2=0.718\)。
不確実性に基づくヒューマン・イン・ザ・ループシステムでは、多重回帰は画像レベルでの失敗予測を特定することを目的としている。
このシステムは、人間の専門家を利用して、これらの失敗予測を手動でラベル付けする。
シミュレーション研究により、不確実性に基づく人間-イン・ザ・ループシステムは、ランダムベースの人間-イン・ザ・ループシステムと比較して、異なるレベルの人間の関与に対するパフォーマンスを向上させることが示された。
一般化性を確保するため,提案手法が利用可能なCityscapesデータセット上で同様の結果が得られることを示す。
関連論文リスト
- Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。
デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。
これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
論文 参考訳（メタデータ） (2023-07-12T01:11:52Z) - Modeling Uncertain Feature Representation for Domain Generalization [49.129544670700525]
提案手法は,複数の視覚タスクにおけるネットワーク一般化能力を常に改善することを示す。
我々の手法は単純だが有効であり、トレーニング可能なパラメータや損失制約を伴わずにネットワークに容易に統合できる。
論文 参考訳（メタデータ） (2023-01-16T14:25:02Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - Learning Uncertainty with Artificial Neural Networks for Improved
Predictive Process Monitoring [0.114219428942199]
学習可能な不確実性には、トレーニングデータ不足によるモデル不確実性と、ノイズによる観察不確実性がある。
我々の貢献は、これらの不確実性の概念を予測プロセス監視タスクに適用し、不確実性に基づくモデルをトレーニングし、残りの時間と結果を予測することである。
論文 参考訳（メタデータ） (2022-06-13T17:05:27Z) - Uncertainty Modeling for Out-of-Distribution Generalization [56.957731893992495]
特徴統計を適切に操作することで、ディープラーニングモデルの一般化能力を向上させることができると論じる。
一般的な手法では、特徴統計を学習した特徴から測定された決定論的値とみなすことが多い。
我々は、学習中に合成された特徴統計を用いて、領域シフトの不確かさをモデル化することにより、ネットワークの一般化能力を向上させる。
論文 参考訳（メタデータ） (2022-02-08T16:09:12Z) - MDN-VO: Estimating Visual Odometry with Confidence [34.8860186009308]
視覚オドメトリー(VO)は、ロボット工学や自律システムを含む多くのアプリケーションで使われている。
本研究では、6-DoFのポーズを推定する深層学習に基づくVOモデルと、これらの推定に対する信頼度モデルを提案する。
本実験は,本モデルが故障事例の検出に加えて,最先端の性能を上回ることを示す。
論文 参考訳（メタデータ） (2021-12-23T19:26:04Z) - Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。
解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。
私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
論文 参考訳（メタデータ） (2021-05-07T09:22:34Z) - A comprehensive study on the prediction reliability of graph neural
networks for virtual screening [0.0]
本稿では,モデルアーキテクチャ,正規化手法,損失関数が分類結果の予測性能および信頼性に与える影響について検討する。
その結果,高い成功率を達成するためには,正則化と推論手法の正しい選択が重要であることが明らかとなった。
論文 参考訳（メタデータ） (2020-03-17T10:13:31Z)
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。