論文の概要: Unsupervised Quality Prediction for Improved Single-Frame and Weighted
Sequential Visual Place Recognition
- arxiv url: http://arxiv.org/abs/2307.01464v1
- Date: Tue, 4 Jul 2023 03:53:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 18:28:16.222910
- Title: Unsupervised Quality Prediction for Improved Single-Frame and Weighted
Sequential Visual Place Recognition
- Title(参考訳): 単一フレームと重み付き逐次視覚位置認識の改善のための教師なし品質予測
- Authors: Helen Carson, Jason J. Ford, Michael Milford
- Abstract要約: 位置推定の質を予測できる新しい,トレーニング不要な手法を提案する。
これらの予測はシーケンスマッチングプロセスに偏りを生じさせ、さらなるパフォーマンス向上をもたらす。
我々のシステムは軽量であり、リアルタイムに動作しており、基礎となるVPR技術に非依存である。
- 参考スコア(独自算出の注目度): 20.737660223671003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While substantial progress has been made in the absolute performance of
localization and Visual Place Recognition (VPR) techniques, it is becoming
increasingly clear from translating these systems into applications that other
capabilities like integrity and predictability are just as important,
especially for safety- or operationally-critical autonomous systems. In this
research we present a new, training-free approach to predicting the likely
quality of localization estimates, and a novel method for using these
predictions to bias a sequence-matching process to produce additional
performance gains beyond that of a naive sequence matching approach. Our
combined system is lightweight, runs in real-time and is agnostic to the
underlying VPR technique. On extensive experiments across four datasets and
three VPR techniques, we demonstrate our system improves precision performance,
especially at the high-precision/low-recall operating point. We also present
ablation and analysis identifying the performance contributions of the
prediction and weighted sequence matching components in isolation, and the
relationship between the quality of the prediction system and the benefits of
the weighted sequential matcher.
- Abstract(参考訳): ローカライゼーションと視覚位置認識 (vpr) 技術の絶対的な性能では大きな進歩が見られたが、完全性と予測可能性といった他の能力が、特に安全性や運用上重要な自律システムにおいて重要であることに、これらのシステムをアプリケーションに変換することはますます明確になりつつある。
本研究では,局所化推定の確率的品質を予測するための新しいトレーニングフリーアプローチと,これらの予測を用いてシーケンスマッチングプロセスをバイアスし,ナイーブシーケンスマッチングアプローチ以上のパフォーマンス向上を実現する新しい手法を提案する。
我々の統合システムは軽量であり、リアルタイムに動作し、基礎となるVPR技術とは無関係である。
4つのデータセットと3つのVPR技術にわたる広範な実験を行い、特に高精度/低リコール動作点における精度向上を実証した。
また,予測と重み付きシーケンスマッチングコンポーネントの性能寄与を分離したアブレーションと解析を行い,予測システムの品質と重み付きシーケンスマッチング器の利点との関係について検討した。
関連論文リスト
- Directly Attention Loss Adjusted Prioritized Experience Replay [0.07366405857677226]
優先度付き再生体験(PER)は、アクセス頻度を人工的に変化させることで、比較的重要なサンプルについてより深く学習することを可能にする。
DALAPが提案され、パラレル自己保持ネットワークを通じて、シフト分布の変化範囲を直接定量化することができる。
論文 参考訳(メタデータ) (2023-11-24T10:14:05Z) - ARBEx: Attentive Feature Extraction with Reliability Balancing for
Robust Facial Expression Learning [1.9844265130823329]
ARBExはVision Transformerによって駆動される新しい注意的特徴抽出フレームワークである。
ラベル分布とマルチヘッド自己保持機構を備えた埋め込み空間において学習可能なアンカーポイントを用いて、弱い予測に対する性能を最適化する。
我々の戦略は、様々な文脈で実施された広範な実験により、現在の最先端の方法論よりも優れています。
論文 参考訳(メタデータ) (2023-05-02T15:10:01Z) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳(メタデータ) (2023-02-23T18:57:14Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。
学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。
提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文 参考訳(メタデータ) (2021-11-11T23:31:34Z) - Systematic Assessment of Hyperdimensional Computing for Epileptic
Seizure Detection [4.249341912358848]
この研究は、てんかん発作の検出のためのHDコンピューティングフレームワークの体系的な評価を行うことである。
先程実装した2つの特徴と, てんかん発作検出におけるHDコンピューティングの新しいアプローチを検証した。
論文 参考訳(メタデータ) (2021-05-03T15:11:08Z) - Uncertainty-Aware Boosted Ensembling in Multi-Modal Settings [33.25969141014772]
不確実性推定は、デプロイにおける機械学習システムの信頼性を強調する、広く研究されている方法である。
逐次および並列アンサンブル手法により,マルチモーダル設定におけるMLシステムの性能が向上した。
本研究では,不確かさを高く見積もるデータポイントに着目し,マルチモーダルセンシングのための不確実性認識促進手法を提案する。
論文 参考訳(メタデータ) (2021-04-21T18:28:13Z) - Towards More Fine-grained and Reliable NLP Performance Prediction [85.78131503006193]
NLPタスクのパフォーマンス予測の改善に2つの貢献をしている。
まず,F1やBLEUのような総合的な精度測定のための性能予測器について検討する。
次に,信頼区間とキャリブレーションの2つの角度から性能予測モデルの信頼性を理解する手法を提案する。
論文 参考訳(メタデータ) (2021-02-10T15:23:20Z) - Evaluating probabilistic classifiers: Reliability diagrams and score
decompositions revisited [68.8204255655161]
確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。
コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
論文 参考訳(メタデータ) (2020-08-07T08:22:26Z) - An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear
Analysis [68.8204255655161]
人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。
シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
論文 参考訳(メタデータ) (2020-07-14T15:47:37Z)
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。