論文の概要: Explainable Event Recognition
- arxiv url: http://arxiv.org/abs/2110.00755v1
- Date: Sat, 2 Oct 2021 08:40:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 03:28:53.751943
- Title: Explainable Event Recognition
- Title(参考訳): 説明可能なイベント認識
- Authors: Imran Khan, Kashif Ahmad, Namra Gul, Talhat Khan, Nasir Ahmad,
Ala-Al-Fuqaha
- Abstract要約: 本稿では,Grad-CAMとXceptionアーキテクチャに基づくCNNモデルに基づく,説明可能なイベント認識フレームワークを提案する。
自然災害、社会、スポーツイベントの多種多様なセットをカバーする3つの大規模なデータセットで実験を行う。
- 参考スコア(独自算出の注目度): 5.103059984821972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The literature shows outstanding capabilities for CNNs in event recognition
in images. However, fewer attempts are made to analyze the potential causes
behind the decisions of the models and exploring whether the predictions are
based on event-salient objects or regions? To explore this important aspect of
event recognition, in this work, we propose an explainable event recognition
framework relying on Grad-CAM and an Xception architecture-based CNN model.
Experiments are conducted on three large-scale datasets covering a diversified
set of natural disasters, social, and sports events. Overall, the model showed
outstanding generalization capabilities obtaining overall F1-scores of 0.91,
0.94, and 0.97 on natural disasters, social, and sports events, respectively.
Moreover, for subjective analysis of activation maps generated through Grad-CAM
for the predicted samples of the model, a crowdsourcing study is conducted to
analyze whether the model's predictions are based on event-related
objects/regions or not? The results of the study indicate that 78%, 84%, and
78% of the model decisions on natural disasters, sports, and social events
datasets, respectively, are based onevent-related objects or regions.
- Abstract(参考訳): この文献は、画像中の事象認識におけるCNNの卓越した能力を示している。
しかし、モデルの決定の背後にある潜在的な原因を分析し、予測がイベントサリアンなオブジェクトや領域に基づいているかどうかを調べる試みは少ない。
イベント認識の重要な側面を探るため,本研究では,grad-camとxceptionアーキテクチャに基づくcnnモデルを用いた,説明可能なイベント認識フレームワークを提案する。
さまざまな自然災害、社会、スポーツイベントを含む3つの大規模なデータセットで実験を行う。
モデルでは, 自然災害, 社会, スポーツイベントにおいて, f1-scoreの総合値が0.01, 0.94, 0.97であった。
さらに,Grad-CAMを用いて生成したモデルサンプルのアクティベーションマップの主観的解析を行うため,クラウドソーシングにより,モデルの予測が事象関連対象/領域に基づいているか否かを解析する。
その結果, 自然災害, スポーツ, 社会イベントデータセットにおけるモデル決定の78%, 84%, 78%が, オネベント関連対象または地域に基づいていたことが示唆された。
関連論文リスト
- Statistical and Machine Learning Models for Predicting Fire and Other
Emergency Events [1.216599520489317]
カナダ・エドモントン市における各種緊急イベントの予測モデルの体系的開発について述べる。
本研究では,地域レベルでのイベントタイプと社会経済・人口統計との関連性について分析する。
新型コロナウイルスのパンデミックがイベントの発生およびイベント予測モデルの精度に与える影響について検討した。
論文 参考訳(メタデータ) (2024-02-14T20:10:30Z) - A Comprehensive Evaluation and Analysis Study for Chinese Spelling Check [53.152011258252315]
音声とグラフィックの情報を合理的に使用することは,中国語のスペルチェックに有効であることを示す。
モデルはテストセットのエラー分布に敏感であり、モデルの欠点を反映している。
一般的なベンチマークであるSIGHANは、モデルの性能を確実に評価できない。
論文 参考訳(メタデータ) (2023-07-25T17:02:38Z) - Learning for Counterfactual Fairness from Observational Data [62.43249746968616]
公正な機械学習は、人種、性別、年齢などの特定の保護された(感受性のある)属性によって記述されるある種のサブグループに対して、学習モデルのバイアスを取り除くことを目的としている。
カウンターファクトフェアネスを達成するための既存の手法の前提条件は、データに対する因果モデルの事前の人間の知識である。
本研究では,新しいフレームワークCLAIREを提案することにより,因果関係を付与せずに観測データから対実的に公正な予測を行う問題に対処する。
論文 参考訳(メタデータ) (2023-07-17T04:08:29Z) - Learning Diversified Feature Representations for Facial Expression
Recognition in the Wild [97.14064057840089]
本稿では,CNN層が抽出した顔表情認識アーキテクチャの特徴を多様化する機構を提案する。
AffectNet,FER+,RAF-DBの3つの顔表情認識実験の結果,本手法の有効性が示された。
論文 参考訳(メタデータ) (2022-10-17T19:25:28Z) - A Framework for Operations Research Model Use in Resilience to
Fundamental Surprise Events: Observations from University Operations during
COVID-19 [0.0]
オペレーションリサーチ(OR)アプローチは、イベントを驚かせるシステムのレジリエンスをモデル化するために、ますます適用されています。
パンデミックへの対応として、大学がORモデルをどう適用したかを示す枠組みを提供する。
論文 参考訳(メタデータ) (2022-09-20T10:46:47Z) - Measuring Causal Effects of Data Statistics on Language Model's
`Factual' Predictions [59.284907093349425]
大量のトレーニングデータが、最先端のNLPモデルの高性能化の大きな理由の1つである。
トレーニングデータがどのように予測に影響を及ぼすかを記述するための言語を,因果的フレームワークを通じて提供する。
我々のフレームワークは、高価なモデルの再訓練の必要性を回避し、観測データのみに基づいて因果効果を推定することができる。
論文 参考訳(メタデータ) (2022-07-28T17:36:24Z) - Bayesian Modeling of Language-Evoked Event-Related Potentials [0.0]
本稿では, 単語素因とニューラル応答を関連づけた実験データを用いて, 事象関連電位を解析するためのベイズ的アプローチを提案する。
本モデルでは,単語代入が事象関連ポテンシャルのほとんどの構成要素に与える影響を推定し,よりリッチなデータ記述を提供する。
論文 参考訳(メタデータ) (2022-07-07T15:58:17Z) - KnitCity: a machine learning-based, game-theoretical framework for
prediction assessment and seismic risk policy design [0.0]
予測者だけでなく意思決定ポリシーも設計し、評価し、比較できるフレームワークを導入します。
我々は,強化学習環境と,人工ニューラルネットワークに基づく時系列予測器を用いた効率的なポリシを構築した。
論文 参考訳(メタデータ) (2022-05-05T14:38:03Z) - Causal Knowledge Guided Societal Event Forecasting [24.437437565689393]
本稿では,因果効果推定をイベント予測に組み込むディープラーニングフレームワークを提案する。
機能再重み付けモジュールと近似損失を含む2つの頑健な学習モジュールを導入し、事前の知識注入を可能にする。
論文 参考訳(メタデータ) (2021-12-10T17:41:02Z) - Taxonomizing local versus global structure in neural network loss
landscapes [60.206524503782006]
ロスランドスケープが世界規模で良好に接続されている場合, 最適なテスト精度が得られることを示す。
また、モデルが小さい場合や、品質の低いデータに訓練された場合、世界規模で接続の不十分なランドスケープが生じる可能性があることも示しています。
論文 参考訳(メタデータ) (2021-07-23T13:37:14Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳(メタデータ) (2020-11-02T02:03:07Z)
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。