Fugu-MT 論文翻訳(概要): Towards Map-Based Validation of Semantic Segmentation Masks

論文の概要: Towards Map-Based Validation of Semantic Segmentation Masks

arxiv url: http://arxiv.org/abs/2011.08008v2
Date: Thu, 26 Nov 2020 15:28:58 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 03:59:48.065045
Title: Towards Map-Based Validation of Semantic Segmentation Masks
Title（参考訳）: 意味セグメンテーションマスクのマップベース検証に向けて
Authors: Laura von Rueden, Tim Wirtz, Fabian Hueger, Jan David Schneider, Christian Bauckhage
Abstract要約: 自動運転車のための機械学習モデルについて,予備知識を付加して検証することを提案する。特に,街路地図データを用いてセマンティックセグメンテーションマスクの乾燥領域を検証することを提案する。
参考スコア（独自算出の注目度）: 4.193094722087424
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Artificial intelligence for autonomous driving must meet strict requirements on safety and robustness. We propose to validate machine learning models for self-driving vehicles not only with given ground truth labels, but also with additional a-priori knowledge. In particular, we suggest to validate the drivable area in semantic segmentation masks using given street map data. We present first results, which indicate that prediction errors can be uncovered by map-based validation.
Abstract（参考訳）: 自動運転のための人工知能は、安全性と堅牢性に関する厳しい要件を満たす必要がある。我々は、与えられた事実ラベルだけでなく、追加のa-priori知識を用いて、自動運転車の機械学習モデルを検証することを提案する。特に,街路地図データを用いてセマンティックセグメンテーションマスクの乾燥領域を検証することを提案する。地図に基づく検証によって予測誤差を発見できることを示す最初の結果を示す。

関連論文リスト

Guiding Attention in End-to-End Driving Models [49.762868784033785]
模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
論文参考訳（メタデータ） (2024-04-30T23:18:51Z)
Unsupervised Self-Driving Attention Prediction via Uncertainty Mining and Knowledge Embedding [51.8579160500354]
本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
論文参考訳（メタデータ） (2023-03-17T00:28:33Z)
Certified Interpretability Robustness for Class Activation Mapping [77.58769591550225]
本稿では,解釈可能性マップのためのCORGI(Certifiable prOvable Robustness Guarantees)を提案する。 CORGIは入力画像を取り込み、そのCAM解釈可能性マップのロバスト性に対する証明可能な下限を与えるアルゴリズムである。交通標識データを用いたケーススタディによるCORGIの有効性を示す。
論文参考訳（メタデータ） (2023-01-26T18:58:11Z)
Probabilistic Approach for Road-Users Detection [0.0]
最先端のディープラーニングに基づくオブジェクト検出における大きな課題の1つは、自信過剰なスコアで発生する偽陽性である。本稿では, 深層物体検出ネットワークに新しい確率層を導入することにより, 過信予測の問題を緩和する手法を提案する。提案手法は, 真正に対する性能を劣化させることなく, 偽正の過信を低減できることを実証した。
論文参考訳（メタデータ） (2021-12-02T16:02:08Z)
Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文参考訳（メタデータ） (2021-09-03T13:33:33Z)
Street-Map Based Validation of Semantic Segmentation in Autonomous Driving [3.175781028910441]
セマンティックセグメンテーションマスクの検証方法を示し,OpenStreetMapを用いたアプローチの可能性を示す。検証手法の他に,車両のGPS位置を補正する手法を提案する。
論文参考訳（メタデータ） (2021-04-15T15:48:11Z)
An Automated Machine Learning (AutoML) Method for Driving Distraction Detection Based on Lane-Keeping Performance [2.3951613028271397]
本研究では,ドメイン固有自動機械学習(AutoML)を提案し,最適なモデルを自己学習して気晴らしを検出する。提案したAutoGBM法は,電話による運転障害の予測に信頼性があり,有望であることがわかった。目的のautogbmは、少ない機能でより良いパフォーマンスを生み出すだけでなく、システム設計に関するデータ駆動の洞察を提供する。
論文参考訳（メタデータ） (2021-03-10T12:37:18Z)
Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文参考訳（メタデータ） (2020-12-04T15:10:12Z)
Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。