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
- Causal Lifting of Neural Representations: Zero-Shot Generalization for Causal Inferences [56.23412698865433]
本研究では,ラベル付き類似実験を微調整した予測モデルを用いて,ラベル付き実結果を用いた対象実験の因果推論に焦点をあてる。
まず,経験的リスク最小化(ERM)による実結果推定は,対象個体群に対して有効な因果推論を導出できない可能性があることを示す。
本稿では,実証的リスク最小化法(DEM)を提案する。
論文 参考訳（メタデータ） (2025-02-10T10:52:17Z) - CausalMob: Causal Human Mobility Prediction with LLMs-derived Human Intentions toward Public Events [13.839692239149889]
公共イベントの因果効果を分析するために,因果予測モデルCausalMobを提案する。
大規模な実世界のデータに基づいて、実験結果から、CausalMobモデルが人間の移動予測に優れていることが示された。
論文 参考訳（メタデータ） (2024-12-03T04:29:27Z) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳（メタデータ） (2024-06-16T03:10:16Z) - 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) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Towards a performance characteristic curve for model evaluation: an application in information diffusion prediction [2.8686437689115354]
拡散データのランダム性を定量化するために,情報エントロピーに基づくメトリクスを提案する。
次に,モデルのランダム性と予測精度の間のスケーリングパターンを同定する。
曲線の妥当性は、同じ家系の3つの予測モデルによって検証される。
論文 参考訳（メタデータ） (2023-09-18T07:32:57Z) - 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) - 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) - 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)
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。