Fugu-MT 論文翻訳(概要): Conformal Prediction for Trustworthy Detection of Railway Signals

論文の概要: Conformal Prediction for Trustworthy Detection of Railway Signals

arxiv url: http://arxiv.org/abs/2301.11136v1
Date: Thu, 26 Jan 2023 14:40:49 GMT
ステータス: 処理完了
システム内更新日: 2023-01-27 13:36:12.002812
Title: Conformal Prediction for Trustworthy Detection of Railway Signals
Title（参考訳）: 鉄道信号の信頼できる検出のための等角予測
Authors: L\'eo And\'eol (IMT), Thomas Fel, Florence De Grancey, Luca Mossina
Abstract要約: 本稿では,鉄道信号の検出に対する不確実性定量化の一形態である共形予測の適用について述べる。我々は,列車運行者の視点から得られた画像の探索的データセットについて研究する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an application of conformal prediction, a form of uncertainty quantification with guarantees, to the detection of railway signals. State-of-the-art architectures are tested and the most promising one undergoes the process of conformalization, where a correction is applied to the predicted bounding boxes (i.e. to their height and width) such that they comply with a predefined probability of success. We work with a novel exploratory dataset of images taken from the perspective of a train operator, as a first step to build and validate future trustworthy machine learning models for the detection of railway signals.
Abstract（参考訳）: 本稿では,鉄道信号の検出に対する不確実性定量化の一形態である共形予測の適用について述べる。最先端アーキテクチャをテストし、最も有望なアーキテクチャは共形化のプロセスを実行し、予測された境界ボックス(すなわち、その高さと幅)に補正を適用して、あらかじめ定義された成功の確率に従う。鉄道事業者の視点から撮影した画像の探索的データセットを,鉄道信号検出のための将来信頼性の高い機械学習モデルの構築と検証のための第一歩として活用する。

関連論文リスト

Conformalized Prediction of Post-Fault Voltage Trajectories Using Pre-trained and Finetuned Attention-Driven Neural Operators [9.336308366735656]
本稿では,電力系統における後電圧トラジェクトリの間隔を予測するための新しいデータ駆動手法を提案する。提案した演算子回帰モデルでは、電圧軌跡の観測された部分を、観測後の未観測軌跡にマッピングする。ニューイングランド39バス試験システムを用いて提案手法の性能評価を行った。
論文参考訳（メタデータ） (2024-10-31T17:20:13Z)
Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
論文参考訳（メタデータ） (2024-10-13T15:37:11Z)
Onboard Out-of-Calibration Detection of Deep Learning Models using Conformal Prediction [4.856998175951948]
本研究では,共形予測アルゴリズムが深層学習モデルの不確かさと関係があることを示し,この関係が深層学習モデルが校正外であるかどうかを検出するのに有効であることを示す。モデル不確かさと共形予測セットの平均サイズに関連する校正外検出手順を示す。
論文参考訳（メタデータ） (2024-05-04T11:05:52Z)
Certified Human Trajectory Prediction [66.1736456453465]
交通予知は自動運転車に不可欠な役割を担っている。本稿では,軌道予測作業に適した認証手法を提案する。非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
論文参考訳（メタデータ） (2024-03-20T17:41:35Z)
Predicting generalization performance with correctness discriminators [64.00420578048855]
未確認データに対して,金のラベルを必要とせず,精度の上下境界を確立する新しいモデルを提案する。予測された上境界と下限の間に金の精度が確実に成立する様々なタグ付け、構文解析、意味解析タスクを示す。
論文参考訳（メタデータ） (2023-11-15T22:43:42Z)
Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文参考訳（メタデータ） (2023-08-03T12:43:21Z)
Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
論文参考訳（メタデータ） (2023-06-15T17:03:14Z)
Confident Object Detection via Conformal Prediction and Conformal Risk Control: an Application to Railway Signaling [0.0]
鉄道信号検出のための信頼性予測器構築のための共形予測手法を実証する。我々のアプローチは、列車オペレーターと最先端のオブジェクト検出器の観点から撮影された画像を含む、新しいデータセットに基づいている。
論文参考訳（メタデータ） (2023-04-12T08:10:13Z)
BiPOCO: Bi-Directional Trajectory Prediction with Pose Constraints for Pedestrian Anomaly Detection [14.740178121212132]
BiPOCOは、ビデオ中の歩行者の異常な活動を検出するためのPose COnstraintsを備えた双方向軌道予測器である。本稿では,新しい合成ポーズに基づく損失を予測器に導入し,各関節の予測誤差を利用して歩行者の異常検出を行う。
論文参考訳（メタデータ） (2022-07-05T19:45:49Z)
A Novel Markov Model for Near-Term Railway Delay Prediction [7.933559019754293]
本研究の目的は、オランダ鉄道データに基づく列車遅延予測モデルの設計である。まず, 1次マルコフ連鎖に従えば, ステーション上の遅延進化が進行することを示す。次に,非同次マルコフ連鎖に基づく遅延予測モデルを提案する。
論文参考訳（メタデータ） (2022-05-21T21:55:35Z)
Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文参考訳（メタデータ） (2022-02-03T09:09:56Z)

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。