論文の概要: Investigating the Effect of Sensor Modalities in Multi-Sensor
Detection-Prediction Models
- arxiv url: http://arxiv.org/abs/2101.03279v1
- Date: Sat, 9 Jan 2021 03:21:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 07:24:57.118554
- Title: Investigating the Effect of Sensor Modalities in Multi-Sensor
Detection-Prediction Models
- Title(参考訳): マルチセンサ検出予測モデルにおけるセンサモードの影響の検討
- Authors: Abhishek Mohta, Fang-Chieh Chou, Brian C. Becker, Carlos
Vallespi-Gonzalez, Nemanja Djuric
- Abstract要約: 我々は,モデル性能に対するセンサモダリティの寄与に注目した。
また,上記の課題を解決するためにセンサドロップアウトの利用について検討する。
- 参考スコア(独自算出の注目度): 8.354898936252516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detection of surrounding objects and their motion prediction are critical
components of a self-driving system. Recently proposed models that jointly
address these tasks rely on a number of sensors to achieve state-of-the-art
performance. However, this increases system complexity and may result in a
brittle model that overfits to any single sensor modality while ignoring
others, leading to reduced generalization. We focus on this important problem
and analyze the contribution of sensor modalities towards the model
performance. In addition, we investigate the use of sensor dropout to mitigate
the above-mentioned issues, leading to a more robust, better-performing model
on real-world driving data.
- Abstract(参考訳): 周囲物体の検出とその運動予測は、自動運転システムの重要な構成要素である。
最近提案された、これらのタスクを共同で処理するモデルは、最先端のパフォーマンスを達成するために多くのセンサーに依存している。
しかし、これによってシステムの複雑さが増大し、単一のセンサーのモダリティに過度に適合する不安定なモデルが得られ、一般化は減少する。
この重要な問題に焦点をあて、モデル性能に対するセンサモードの寄与を分析する。
さらに,センサドロップアウトを用いて上記の問題を緩和し,実世界の運転データに対してより堅牢で優れた性能のモデルを実現する。
関連論文リスト
- Data-Based Design of Multi-Model Inferential Sensors [0.0]
産業プロセスの非線形特性は、通常、単純な線形推論センサーを設計する主な制限である。
本稿では,マルチモデル推論センサの設計のための2つの新しいアプローチを提案する。
その結果、単モデル/複数モデル推論センサの最先端設計技術よりも大幅に改善された。
論文 参考訳(メタデータ) (2023-08-05T12:55:15Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳(メタデータ) (2023-07-06T10:38:14Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳(メタデータ) (2023-06-19T11:00:54Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - Anomaly Detection and Inter-Sensor Transfer Learning on Smart
Manufacturing Datasets [6.114996271792091]
スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。
これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。
スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。
予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
論文 参考訳(メタデータ) (2022-06-13T17:51:24Z) - SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge
Devices [69.1412199244903]
エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。
S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。
SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
論文 参考訳(メタデータ) (2021-09-08T22:06:16Z) - Assessing Machine Learning Approaches to Address IoT Sensor Drift [0.15229257192293197]
本研究では,現実的な条件下でのセンサドリフトに対処し,適応する能力について,いくつかのアプローチを研究・検証する。
これらのアプローチのほとんどは最近のもので、現状の最先端を代表している。
その結果, センサドリフトによるセンサ性能の低下が認められた。
論文 参考訳(メタデータ) (2021-09-02T19:15:31Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳(メタデータ) (2021-07-28T10:19:58Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳(メタデータ) (2021-07-22T07:25:35Z) - Perception Entropy: A Metric for Multiple Sensors Configuration
Evaluation and Design [17.979248163548288]
良く設計されたセンサ構成は、知覚システムの性能上界を大幅に改善する。
ベイズ理論における条件エントロピーに基づく新しい手法を提案し,カメラとLiDARの両方を含むセンサ構成を評価する。
我々の知る限りでは、これは自動運転車のマルチセンサー構成問題に対処する最初の方法である。
論文 参考訳(メタデータ) (2021-04-14T03:52:57Z) - Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。
予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。
我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
論文 参考訳(メタデータ) (2019-12-30T20:25:16Z)
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。