論文の概要: Near out-of-distribution detection for low-resolution radar
micro-Doppler signatures
- arxiv url: http://arxiv.org/abs/2205.07869v1
- Date: Thu, 12 May 2022 08:27:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-22 11:19:31.714000
- Title: Near out-of-distribution detection for low-resolution radar
micro-Doppler signatures
- Title(参考訳): 低分解能レーダマイクロドップラーシグネチャの分布近傍検出
- Authors: Martin Bauw, Santiago Velasco-Forero, Jesus Angulo, Claude Adnet,
Olivier Airiau
- Abstract要約: Near-of-distriion Detection (OOD) は、分類に必要な監督なしに意味的に類似したデータポイントを識別することを目的としている。
本稿では、レーダー目標検出のためのOODのユースケースを、他の種類のセンサや検出シナリオに提示する。
- 参考スコア(独自算出の注目度): 2.029924828197095
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Near out-of-distribution detection (OOD) aims at discriminating semantically
similar data points without the supervision required for classification. This
paper puts forward an OOD use case for radar targets detection extensible to
other kinds of sensors and detection scenarios. We emphasize the relevance of
OOD and its specific supervision requirements for the detection of a
multimodal, diverse targets class among other similar radar targets and clutter
in real-life critical systems. We propose a comparison of deep and non-deep OOD
methods on simulated low-resolution pulse radar micro-Doppler signatures,
considering both a spectral and a covariance matrix input representation. The
covariance representation aims at estimating whether dedicated second-order
processing is appropriate to discriminate signatures. The potential
contributions of labeled anomalies in training, self-supervised learning,
contrastive learning insights and innovative training losses are discussed, and
the impact of training set contamination caused by mislabelling is
investigated.
- Abstract(参考訳): Near-of-distriion Detection (OOD) は、分類に必要な監督なしに意味的に類似したデータポイントを識別することを目的としている。
本稿では、他の種類のセンサや検出シナリオに拡張可能なレーダー目標検出のためのOODユースケースを提案する。
我々は,oodの妥当性と,その特定の監督要件を強調し,実生活の臨界系における類似するレーダーターゲット間におけるマルチモーダル・多様ターゲットクラスの検出について考察した。
スペクトルと共分散行列の入力表現を考慮した低分解能パルスレーダマイクロドップラーシグネチャにおける深部OOD法と非深部OOD法の比較を行った。
共分散表現は、署名を識別するのに専用の2階処理が適切かどうかを推定することを目的としている。
学習におけるラベル付き異常の潜在的寄与,自己指導学習,コントラスト学習の洞察,革新的学習の損失について考察し,誤認によるトレーニングセット汚染の影響について考察した。
関連論文リスト
- Learning Contrastive Feature Representations for Facial Action Unit
Detection [7.365839694761861]
教師付き信号と自己教師型信号の両方によって強化されたコントラスト学習フレームワークを導入する。
目的は,従来の画素レベルの学習パラダイムから逸脱した識別的特徴の獲得である。
各AUタイプの不均衡分布を軽減するため、少数AUに適した重み付け戦略を採用する。
論文 参考訳(メタデータ) (2024-02-09T03:48:20Z) - Enhancing Infrared Small Target Detection Robustness with Bi-Level
Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。
我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文 参考訳(メタデータ) (2023-09-03T06:35:07Z) - From Global to Local: Multi-scale Out-of-distribution Detection [129.37607313927458]
アウト・オブ・ディストリビューション(OOD)検出は、イン・ディストリビューション(ID)トレーニングプロセス中にラベルが見られない未知のデータを検出することを目的としている。
近年の表現学習の進歩により,距離に基づくOOD検出がもたらされる。
グローバルな視覚情報と局所的な情報の両方を活用する第1のフレームワークであるマルチスケールOOD検出(MODE)を提案する。
論文 参考訳(メタデータ) (2023-08-20T11:56:25Z) - Beyond AUROC & co. for evaluating out-of-distribution detection
performance [50.88341818412508]
安全(r)AIとの関連性を考えると,OOD検出法の比較の基礎が実用的ニーズと整合しているかどうかを検討することが重要である。
我々は,IDとOODの分離が不十分なことを明示する新しい指標であるAUTC(Area Under the Threshold Curve)を提案する。
論文 参考訳(メタデータ) (2023-06-26T12:51:32Z) - WDiscOOD: Out-of-Distribution Detection via Whitened Linear Discriminant
Analysis [21.023001428704085]
本稿では,クラス固有情報とクラス非依存情報に基づく新しい特徴空間OOD検出スコアを提案する。
WDiscOODという手法の有効性を,大規模なImageNet-1kベンチマークで検証した。
論文 参考訳(メタデータ) (2023-03-14T00:13:57Z) - TAD: Transfer Learning-based Multi-Adversarial Detection of Evasion
Attacks against Network Intrusion Detection Systems [0.7829352305480285]
我々は、侵入検知のための既存の最先端モデルを実装している。
次に、選択した回避攻撃のセットでこれらのモデルを攻撃します。
これらの敵攻撃を検知するために、我々は複数の移動学習に基づく敵検知器を設計、実装する。
論文 参考訳(メタデータ) (2022-10-27T18:02:58Z) - Breaking Down Out-of-Distribution Detection: Many Methods Based on OOD
Training Data Estimate a Combination of the Same Core Quantities [104.02531442035483]
本研究の目的は,OOD検出手法の暗黙的なスコアリング機能を識別すると同時に,共通の目的を認識することである。
内分布と外分布の2値差はOOD検出問題のいくつかの異なる定式化と等価であることを示す。
また, 外乱露光で使用される信頼損失は, 理論上最適のスコアリング関数と非自明な方法で異なる暗黙的なスコアリング関数を持つことを示した。
論文 参考訳(メタデータ) (2022-06-20T16:32:49Z) - How to Exploit Hyperspherical Embeddings for Out-of-Distribution
Detection? [22.519572587827213]
CIDERは、OOD検出に超球面埋め込みを利用する表現学習フレームワークである。
CIDERは優れたパフォーマンスを確立し、FPR95では19.36%で最新のライバルを上回った。
論文 参考訳(メタデータ) (2022-03-08T23:44:01Z) - Benchmarking Deep Models for Salient Object Detection [67.07247772280212]
汎用SALOD(General SALient Object Detection)ベンチマークを構築し,複数のSOD手法の総合的な比較を行った。
以上の実験では、既存の損失関数は、通常いくつかの指標に特化しているが、他の指標には劣る結果が報告されている。
我々は,深層ネットワークに画素レベルと画像レベルの両方の監視信号を統合することにより,より識別的な特徴を学習するためのエッジ・アウェア・ロス(EA)を提案する。
論文 参考訳(メタデータ) (2022-02-07T03:43:16Z) - Modeling Discriminative Representations for Out-of-Domain Detection with
Supervised Contrastive Learning [16.77134235390429]
OOD検出の主な課題は、識別的セマンティックな特徴を学習することである。
クラス内分散を最小限に抑えるための教師付きコントラスト学習目標を提案する。
我々は,サンプルの擬似多様なビューを得るために,対角的拡張機構を用いる。
論文 参考訳(メタデータ) (2021-05-29T12:54:22Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。