論文の概要: Towards Establishing Systematic Classification Requirements for Automated Driving

• arxiv url: http://arxiv.org/abs/2307.14058v1
• Date: Wed, 26 Jul 2023 09:12:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 12:58:59.247200
• Title: Towards Establishing Systematic Classification Requirements for Automated Driving
• Title（参考訳）: 自動運転のためのシステム分類要件の確立に向けて
• Authors: Ken T. Mori, Trent Brown, Steven Peters
• Abstract要約: この研究は、分類構造を生成するために構造化された方法を提案することで、この問題に対処する。 法律カテゴリーは車両の行動要求に基づいて特定される。 模範的な法文にこの方法を適用することにより、分類階層を得る。
• 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: Despite the presence of the classification task in many different benchmark datasets for perception in the automotive domain, few efforts have been undertaken to define consistent classification requirements. This work addresses the topic by proposing a structured method to generate a classification structure. First, legal categories are identified based on behavioral requirements for the vehicle. This structure is further substantiated by considering the two aspects of collision safety for objects as well as perceptual categories. A classification hierarchy is obtained by applying the method to an exemplary legal text. A comparison of the results with benchmark dataset categories shows limited agreement. This indicates the necessity for explicit consideration of legal requirements regarding perception.
• Abstract（参考訳）: 自動車分野における認識のための様々なベンチマークデータセットにおいて分類タスクが存在するにもかかわらず、一貫性のある分類要件を定義するための努力はほとんど行われていない。 本稿では,分類構造を生成するための構造的手法を提案する。 第一に、車両の行動要件に基づいて法的カテゴリを識別する。 この構造は、物体の衝突安全性と知覚的カテゴリーの2つの側面を考慮することでさらに裏付けられる。 模範的な法文にこの方法を適用することにより、分類階層を得る。 結果とベンチマークデータセットのカテゴリを比較すると、合意は限られている。 これは、知覚に関する法的要件を明確に考慮することの必要性を示している。

関連論文リスト

• Category-Extensible Out-of-Distribution Detection via Hierarchical Context Descriptions [35.20091752343433]
  この研究は2つの階層的文脈、すなわち知覚的文脈と刺激的文脈を導入し、正確な圏境界を注意深く記述する。 2つの文脈は、あるカテゴリの正確な記述を階層的に構成するが、これはまず、予測されたカテゴリにサンプルを大まかに分類する。 CATegory-Extensible OOD Detection (CATEX)
  論文  参考訳（メタデータ） (2024-07-23T12:53:38Z)
• Learn to Categorize or Categorize to Learn? Self-Coding for Generalized Category Discovery [49.1865089933055]
  テスト時に未知のカテゴリを発見できる新しい,効率的かつ自己管理手法を提案する。 このアプローチの健全な特徴は、個々のデータインスタンスに最小長のカテゴリコードの割り当てである。 試行錯誤による評価は, 提案手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2023-10-30T17:45:32Z)
• Classifying with Uncertain Data Envelopment Analysis [0.0]
  本稿では,不完全データの現実を前提とした新しい分類手法を提案する。 本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。 本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
  論文  参考訳（メタデータ） (2022-09-02T13:41:19Z)
• Out-of-Category Document Identification Using Target-Category Names as Weak Supervision [64.671654559798]
  Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。 対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-24T21:01:25Z)
• Category Contrast for Unsupervised Domain Adaptation in Visual Tasks [92.9990560760593]
  本稿では,視覚的 UDA タスクのインスタンス識別に先立って,セマンティックな事前情報を導入した新しいカテゴリコントラスト手法(CaCo)を提案する。 CaCoは既存のUDAメソッドを補完し、半教師付き学習や教師なしモデル適応などの他の学習設定に一般化可能である。
  論文  参考訳（メタデータ） (2021-06-05T12:51:35Z)
• Towards Novel Target Discovery Through Open-Set Domain Adaptation [73.81537683043206]
  オープンソースドメイン適応(OSDA)は、ターゲットドメインが外部のソースドメインでは観察できない新しいカテゴリのサンプルを含むと考えている。 対象領域に見られるカテゴリを正確に識別し,未知のカテゴリのセマンティクス特性を効果的に回復するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-06T04:22:29Z)
• MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain Adaptive Object Detection [80.24165350584502]
  カテゴリ対応ドメイン適応のためのメモリガイドアテンションを提案する。 提案手法は,カテゴリー分類器を用いてカテゴリ認識特徴のアライメントを保証する。 この方法はいくつかのベンチマークデータセットで評価され、既存のアプローチを上回ることが示されています。
  論文  参考訳（メタデータ） (2021-03-07T01:08:21Z)
• Deep Hierarchical Classification for Category Prediction in E-commerce System [16.6932395109085]
  電子商取引システムでは、カテゴリ予測は与えられたテキストのカテゴリを自動的に予測する。 ニューラルネットワークにマルチスケール階層情報を組み込んだDeep Hierarchical Classificationフレームワークを提案する。 また、階層的予測損失を罰する新たな複合損失関数も定義する。
  論文  参考訳（メタデータ） (2020-05-14T02:29:14Z)
• Fine-Grained Visual Classification with Efficient End-to-end Localization [49.9887676289364]
  本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。 我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
  論文  参考訳（メタデータ） (2020-05-11T14:07:06Z)
• Description Based Text Classification with Reinforcement Learning [34.18824470728299]
  本稿では,各カテゴリのラベルをカテゴリ記述に関連付ける,テキスト分類のための新しいフレームワークを提案する。 我々は、幅広いテキスト分類タスクにおいて、強いベースラインよりも顕著なパフォーマンス向上を観察する。
  論文  参考訳（メタデータ） (2020-02-08T02:14:28Z)

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。