論文の概要: Towards Designing Computer Vision-based Explainable-AI Solution: A Use Case of Livestock Mart Industry

• arxiv url: http://arxiv.org/abs/2103.03096v1
• Date: Mon, 8 Feb 2021 17:11:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:35:44.535943
• Title: Towards Designing Computer Vision-based Explainable-AI Solution: A Use Case of Livestock Mart Industry
• Title（参考訳）: コンピュータビジョンに基づく説明可能なAIソリューションの設計に向けて:家畜マート産業を事例として
• Authors: Devam Dave, Het Naik, Smiti Singhal, Rudresh Dwivedi, Pankesh Patel
• Abstract要約: オンラインマートの目的は、買い手と売り手をマッチングし、動物を計量し、販売を監督することです。 過去の販売データから読み取ることのできるMLモデルにより,信頼性の高い価格設定手法を開発することができる。 説明可能なAI技術を活用して、スマートビデオ分析プラットフォームの構築に向けた作業中の研究を報告します。
• 参考スコア（独自算出の注目度）: 1.2687030176231846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The objective of an online Mart is to match buyers and sellers, to weigh animals and to oversee their sale. A reliable pricing method can be developed by ML models that can read through historical sales data. However, when AI models suggest or recommend a price, that in itself does not reveal too much (i.e., it acts like a black box) about the qualities and the abilities of an animal. An interested buyer would like to know more about the salient features of an animal before making the right choice based on his requirements. A model capable of explaining the different factors that impact the price point is essential for the needs of the market. It can also inspire confidence in buyers and sellers about the price point offered. To achieve these objectives, we have been working with the team at MartEye, a startup based in Portershed in Galway City, Ireland. Through this paper, we report our work-in-progress research towards building a smart video analytic platform, leveraging Explainable AI techniques.
• Abstract（参考訳）: オンラインマートの目的は、買い手と売り手をマッチングし、動物を測り、販売を監督することである。 過去の販売データから読み取ることのできるMLモデルにより,信頼性の高い価格設定手法を開発することができる。 しかし、aiモデルが価格を推奨したり推奨したりすると、それ自体が動物の性質や能力についてあまり明らかにしない(つまりブラックボックスのように振る舞う)。 興味のある買い手は、自分の要求に基づいて適切な選択をする前に、動物の健全な特徴についてもっと知りたいと思う。 価格に影響を及ぼすさまざまな要因を説明することができるモデルは、市場のニーズに不可欠である。 また、買い手や売り手の価格設定に対する信頼を喚起することもできる。 これらの目的を達成するために、アイルランドのゴールウェイシティのPortershedに本拠を置くMartEyeのチームと協力してきた。 本稿では,説明可能なai技術を活用したスマートビデオ分析プラットフォームの構築に向けた取り組みについて報告する。

関連論文リスト

• Context-aware Advertisement Modeling and Applications in Rapid Transit Systems [1.342834401139078]
  本稿では,行動分析と追跡分析を用いた広告モデルを提案する。 本稿では,エージェント・ベース・モデリング(ABM)技術を用いたモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-16T02:59:36Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Towards Automatic Translation of Machine Learning Visual Insights to Analytical Assertions [23.535630175567146]
  機械学習(ML)の可視化で観察される視覚特性をPythonアサーションに変換する自動化ツールを開発するためのビジョンを提示する。 このツールは、ML開発サイクルでこれらの視覚化を手作業で検証するプロセスの合理化を目的としている。
  論文  参考訳（メタデータ） (2024-01-15T14:11:59Z)
• ACQUIRED: A Dataset for Answering Counterfactual Questions In Real-Life Videos [53.92440577914417]
  ACQUIREDは3.9Kの注釈付きビデオで構成され、幅広いイベントタイプを包含し、ファーストパーソンとサードパーソンの両方の視点を取り入れている。 各ビデオは、物理的、社会的、時間的な3つの異なる推論の次元にまたがる質問で注釈付けされている。 我々は,現在最先端の言語のみおよびマルチモーダルモデルに対して,我々のデータセットをベンチマークし,実験結果から大きな性能差が示された。
  論文  参考訳（メタデータ） (2023-11-02T22:17:03Z)
• Buy when? Survival machine learning model comparison for purchase timing [0.0]
  本稿では,サポートベクトルマシン,遺伝的アルゴリズム,ディープラーニング,K平均といったマーケティング機械学習技術について検討する。 ジェンダー、インカム、ロケーション、購入履歴、オンラインディスカウント、興味、プロモーション、顧客体験はすべて、購入時間に影響を与える。 調査によると、DeepSurvモデルは購入完了が最良であると予測している。
  論文  参考訳（メタデータ） (2023-08-28T06:40:02Z)
• $SmartProbe$: A Virtual Moderator for Market Research Surveys [35.27619594518386]
  $tt SmartProbe$は、市場調査で効果的な調査質問を生成するAPIである。 我々は、$tt SmartProbe$のモジュラー処理フローを概説し、生成された探索問題の品質と有効性を評価する。 当社の取り組みは、業界関係者にLLMの最新の進歩に基づいて、現実世界のアプリケーションを構築するよう促すだろうと考えています。
  論文  参考訳（メタデータ） (2023-05-14T22:36:08Z)
• WinoGAViL: Gamified Association Benchmark to Challenge Vision-and-Language Models [91.92346150646007]
  本研究では,視覚・言語関係を収集するオンラインゲームであるWinoGAViLを紹介する。 私たちはこのゲームを使って3.5Kのインスタンスを収集し、それらが人間には直感的だが最先端のAIモデルには挑戦的であることを発見した。 我々の分析とプレイヤーからのフィードバックは、収集された協会が多様な推論スキルを必要とすることを示している。
  論文  参考訳（メタデータ） (2022-07-25T23:57:44Z)
• One-Shot Object Affordance Detection in the Wild [76.46484684007706]
  Affordance Detectionは、画像内のオブジェクトの潜在的なアクション可能性を特定することを指す。 我々は、人間の行動目的を推定し、それを転送して、すべての候補画像から共通価格を検出するワンショットアフォーダンス検出ネットワーク(OSAD-Net)を考案する。 複雑なシーンと豊富なアノテーションによって、当社のPADv2データセットは、アベイランス検出メソッドをベンチマークするためのテストベッドとして使用することができます。
  論文  参考訳（メタデータ） (2021-08-08T14:53:10Z)
• Vision-based Price Suggestion for Online Second-hand Items [40.42940050851797]
  オンラインセカンドアイテムショッピングプラットフォームのためのビジョンベースの価格提案システムを提示します。 ビジョンベースの価格提案の目的は、売り手がオンラインプラットフォームにアップロードされた画像で中古リストの効果的な価格を設定するのを助けることです。
  論文  参考訳（メタデータ） (2020-12-10T22:56:29Z)
• Aligning AI With Shared Human Values [85.2824609130584]
  私たちは、正義、幸福、義務、美徳、常識道徳の概念にまたがる新しいベンチマークであるETHICSデータセットを紹介します。 現在の言語モデルは、基本的な人間の倫理的判断を予測できる有望だが不完全な能力を持っている。 私たちの研究は、今日の機械倫理の進歩を示しており、人間の価値観に合わせたAIへの足掛かりを提供する。
  論文  参考訳（メタデータ） (2020-08-05T17:59:16Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。