論文の概要: Feature Sharing and Integration for Cooperative Cognition and Perception
with Volumetric Sensors
- arxiv url: http://arxiv.org/abs/2011.08317v3
- Date: Fri, 4 Dec 2020 17:58:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 23:21:18.335490
- Title: Feature Sharing and Integration for Cooperative Cognition and Perception
with Volumetric Sensors
- Title（参考訳）: ボリュームセンサを用いた協調認識と知覚のための特徴共有と統合
- Authors: Ehsan Emad Marvasti, Arash Raftari, Amir Emad Marvasti, Yaser
P.Fallah, Rui Guo, Hongsheng Lu
- Abstract要約: 我々は、Deep Feature Sharing(DFS)の概念を詳細に分析する。
我々は,異なる協調物体検出設計を探求し,その性能を平均精度で評価する。
その結果,DFS法はGPSノイズによる局所化誤差にかなり敏感であることがわかった。
- 参考スコア（独自算出の注目度）: 11.737037965090535
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The recent advancement in computational and communication systems has led to
the introduction of high-performing neural networks and high-speed wireless
vehicular communication networks. As a result, new technologies such as
cooperative perception and cognition have emerged, addressing the inherent
limitations of sensory devices by providing solutions for the detection of
partially occluded targets and expanding the sensing range. However, designing
a reliable cooperative cognition or perception system requires addressing the
challenges caused by limited network resources and discrepancies between the
data shared by different sources. In this paper, we examine the requirements,
limitations, and performance of different cooperative perception techniques,
and present an in-depth analysis of the notion of Deep Feature Sharing (DFS).
We explore different cooperative object detection designs and evaluate their
performance in terms of average precision. We use the Volony dataset for our
experimental study. The results confirm that the DFS methods are significantly
less sensitive to the localization error caused by GPS noise. Furthermore, the
results attest that detection gain of DFS methods caused by adding more
cooperative participants in the scenes is comparable to raw information sharing
technique while DFS enables flexibility in design toward satisfying
communication requirements.
- Abstract（参考訳）: 近年の計算・通信システムの進歩により、高性能ニューラルネットワークと高速無線車両通信ネットワークが導入されている。
その結果、協調的知覚や認知といった新しい技術が登場し、部分的に遮蔽されたターゲットの検出とセンシング範囲の拡大のためのソリューションを提供することで、感覚デバイスの固有の制限に対処している。
しかし、信頼できる協調認識システムを設計するには、限られたネットワークリソースと異なるソースが共有するデータ間の不一致に起因する課題に対処する必要がある。
本稿では,異なる協調認識技術の要件,限界,性能について検討し,Deep Feature Sharing(DFS)の概念の詳細な分析を行う。
我々は,異なる協調物体検出設計を探求し,その性能を平均精度で評価する。
実験にはVolonyデータセットを使用します。
その結果,DFS法はGPSノイズによる局所化誤差にかなり敏感であることがわかった。
さらに,より協調的な参加者の追加によるDFS手法の検出ゲインは生の情報共有技術に匹敵するものであり,DFSは通信要求を満たすための設計の柔軟性を実現する。
関連論文リスト
- Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning [2.2457306746668766]
本研究は,ICS環境におけるネットワークデータとプロセスデータの組み合わせによる攻撃検出の改善について検討する。
この結果から,ネットワークトラフィックと運用プロセスデータの統合により,検出能力が向上することが示唆された。
結果は有望だが、彼らは予備的であり、さらなる研究の必要性を強調している。
論文 参考訳（メタデータ） (2024-10-25T17:41:33Z) - Edge-device Collaborative Computing for Multi-view Classification [9.047284788663776]
エッジノードとエンドデバイスが相関データと推論計算負荷を共有するエッジでの協調推論について検討する。
本稿では,データ冗長性を効果的に低減し,帯域幅の消費を削減できる選択手法を提案する。
実験結果から、選択的な協調スキームは上記の性能指標間で異なるトレードオフを達成できることが示された。
論文 参考訳（メタデータ） (2024-09-24T11:07:33Z) - Collaborative Knowledge Infusion for Low-resource Stance Detection [83.88515573352795]
姿勢検出モデルを支援するために、ターゲット関連の知識がしばしば必要である。
低リソース姿勢検出タスクに対する協調的知識注入手法を提案する。
論文 参考訳（メタデータ） (2024-03-28T08:32:14Z) - Attention Based Feature Fusion For Multi-Agent Collaborative Perception [4.120288148198388]
グラフアテンションネットワーク(GAT)の形での中間的協調認識ソリューションを提案する。
提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。
このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調することにより、オブジェクト検出精度が向上する。
論文 参考訳（メタデータ） (2023-05-03T12:06:11Z) - Personalized Decentralized Multi-Task Learning Over Dynamic
Communication Graphs [59.96266198512243]
本稿では,正と負の相関関係を持つタスクに対する分散・フェデレーション学習アルゴリズムを提案する。
本アルゴリズムでは,タスク間の相関関係を自動的に計算し,コミュニケーショングラフを動的に調整して相互に有益なタスクを接続し,互いに悪影響を及ぼす可能性のあるタスクを分離する。
合成ガウスデータセットと大規模セレブ属性(CelebA)データセットについて実験を行った。
論文 参考訳（メタデータ） (2022-12-21T18:58:24Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-25T02:15:24Z) - Bandwidth-Adaptive Feature Sharing for Cooperative LIDAR Object
Detection [2.064612766965483]
コネクテッド・自動運転車(CAV)領域で必要となる状況認識。
協調機構は、高速無線車載ネットワークを利用して状況認識を改善するソリューションを提供する。
本稿では,通信チャネル容量に適応する柔軟性を付加する機構と,新たな分散共有データアライメント手法を提案する。
論文 参考訳（メタデータ） (2020-10-22T00:12:58Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z) - Cooperative LIDAR Object Detection via Feature Sharing in Deep Networks [11.737037965090535]
協調物体検出(FS-COD)のための特徴共有の概念を導入する。
提案手法では, 協調車両間で部分的に処理されたデータを共有することにより, 環境の理解を深める。
提案手法は,従来の単車車物体検出手法よりも性能に優れていた。
論文 参考訳（メタデータ） (2020-02-19T20:47:09Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。