Fugu-MT 論文翻訳(概要): Integrity Monitoring of 3D Object Detection in Automated Driving Systems using Raw Activation Patterns and Spatial Filtering

論文の概要: Integrity Monitoring of 3D Object Detection in Automated Driving Systems using Raw Activation Patterns and Spatial Filtering

arxiv url: http://arxiv.org/abs/2405.07600v1
Date: Mon, 13 May 2024 10:03:03 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 14:15:10.696957
Title: Integrity Monitoring of 3D Object Detection in Automated Driving Systems using Raw Activation Patterns and Spatial Filtering
Title（参考訳）: 生活性化パターンと空間フィルタリングを用いた自動運転システムにおける3次元物体検出の積分モニタリング
Authors: Hakan Yekta Yatbaz, Mehrdad Dianati, Konstantinos Koufos, Roger Woodman,
Abstract要約: ディープニューラルネットワーク(DNN)モデルは、自動運転システム(ADS)における物体検出に広く利用されている。しかし、そのようなモデルは、重大な安全性に影響を及ぼす可能性のあるエラーを起こしやすい。このようなエラーを検知することを目的とした検査・自己評価モデルは、ADSの安全な配置において最重要となる。
参考スコア（独自算出の注目度）: 12.384452095533396
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The deep neural network (DNN) models are widely used for object detection in automated driving systems (ADS). Yet, such models are prone to errors which can have serious safety implications. Introspection and self-assessment models that aim to detect such errors are therefore of paramount importance for the safe deployment of ADS. Current research on this topic has focused on techniques to monitor the integrity of the perception mechanism in ADS. Existing introspection models in the literature, however, largely concentrate on detecting perception errors by assigning equal importance to all parts of the input data frame to the perception module. This generic approach overlooks the varying safety significance of different objects within a scene, which obscures the recognition of safety-critical errors, posing challenges in assessing the reliability of perception in specific, crucial instances. Motivated by this shortcoming of state of the art, this paper proposes a novel method integrating raw activation patterns of the underlying DNNs, employed by the perception module, analysis with spatial filtering techniques. This novel approach enhances the accuracy of runtime introspection of the DNN-based 3D object detections by selectively focusing on an area of interest in the data, thereby contributing to the safety and efficacy of ADS perception self-assessment processes.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)モデルは、自動運転システム(ADS)における物体検出に広く利用されている。しかし、そのようなモデルは、重大な安全性に影響を及ぼす可能性のあるエラーを起こしやすい。このようなエラーを検知することを目的とした検査・自己評価モデルは、ADSの安全な配置において最重要となる。この話題に関する最近の研究は、ADSにおける知覚メカニズムの完全性を監視する技術に焦点を当てている。しかし、既存のイントロスペクションモデルでは、入力データフレームのすべての部分に同じ重要性を認識モジュールに割り当てることで、認識エラーを検出することに主に集中している。このジェネリックアプローチは、シーン内のさまざまなオブジェクトのさまざまな安全性の重要性を見落とし、安全クリティカルなエラーの認識を曖昧にし、特定の重要なインスタンスにおける認識の信頼性を評価する上での課題を提起する。そこで本研究では, 認識モジュールが生み出すDNNの活性化パターンを統合し, 空間フィルタリング技術を用いて解析する手法を提案する。この手法は,データに対する関心領域を選択的に注目することにより,DNNに基づく3次元オブジェクト検出のランタイムイントロスペクションの精度を高め,ADS知覚自己評価プロセスの安全性と有効性に寄与する。

関連論文リスト

Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文参考訳（メタデータ） (2024-10-31T13:13:32Z)
Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文参考訳（メタデータ） (2024-10-08T17:59:03Z)
Zero-shot Degree of Ill-posedness Estimation for Active Small Object Change Detection [8.977792536037956]
日常的な屋内ナビゲーションでは、ロボットは区別できない小さな変化物体を検出する必要がある。既存の技術は、変更検出モデルを正規化するために、高品質なクラス固有オブジェクトに依存している。本研究では,受動とアクティブビジョンの両方を改善するために,DoIの概念を検討する。
論文参考訳（メタデータ） (2024-05-10T01:56:39Z)
Run-time Monitoring of 3D Object Detection in Automated Driving Systems Using Early Layer Neural Activation Patterns [12.384452095533396]
自動運転システム(ADS)の統合性監視は安全性を確保する上で最重要である。近年のディープニューラルネットワーク(DNN)を用いた物体検出装置の進歩,検出誤差への感受性は重要な懸念点である。
論文参考訳（メタデータ） (2024-04-11T12:24:47Z)
Run-time Introspection of 2D Object Detection in Automated Driving Systems Using Learning Representations [13.529124221397822]
ディープニューラルネットワーク(DNN)に基づく2次元物体検出のための新しいイントロスペクションソリューションを提案する。 KITTIとBDDのデータセットで評価された1段階および2段階のオブジェクト検出器を用いて,2次元オブジェクト検出におけるエラー検出のためのSOTAイントロスペクション機構を実装した。性能評価の結果,提案手法はSOTA法より優れており,BDDデータセットのエラー率を9%から17%まで絶対的に削減できることがわかった。
論文参考訳（メタデータ） (2024-03-02T10:56:14Z)
Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文参考訳（メタデータ） (2024-02-07T21:58:40Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Joint object detection and re-identification for 3D obstacle multi-camera systems [47.87501281561605]
本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
論文参考訳（メタデータ） (2023-10-09T15:16:35Z)
Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
不確実性推定は統計的に正確な予測を提供する効果的なツールである。本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
論文参考訳（メタデータ） (2023-02-12T14:30:03Z)
Adversarial Machine Learning In Network Intrusion Detection Domain: A Systematic Review [0.0]
ディープラーニングモデルは、誤った分類決定を行うためにモデルを誤解させる可能性のあるデータインスタンスに対して脆弱であることがわかった。本調査では,ネットワーク侵入検出分野における敵機械学習のさまざまな側面を利用した研究について検討する。
論文参考訳（メタデータ） (2021-12-06T19:10:23Z)
Understanding Object Detection Through An Adversarial Lens [14.976840260248913]
本稿では, 対向レンズ下での深部物体検出装置の脆弱性を分析し評価するための枠組みを提案する。提案手法は, リアルタイムオブジェクト検出システムにおいて, 対向行動やリスクを解析するための方法論的ベンチマークとして機能することが実証された。我々は、このフレームワークが、現実世界のアプリケーションにデプロイされるディープオブジェクト検出器のセキュリティリスクと敵の堅牢性を評価するツールとしても役立つと推測する。
論文参考訳（メタデータ） (2020-07-11T18:41:47Z)

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。