Fugu-MT 論文翻訳(概要): Real-Time Incremental Explanations for Object Detectors

論文の概要: Real-Time Incremental Explanations for Object Detectors

arxiv url: http://arxiv.org/abs/2408.11963v1
Date: Wed, 21 Aug 2024 19:31:39 GMT
ステータス: 処理完了
システム内更新日: 2024-08-23 17:54:29.797633
Title: Real-Time Incremental Explanations for Object Detectors
Title（参考訳）: 物体検出のための実時間インクリメンタル説明法
Authors: Santiago Calderón-Peña, Hana Chockler, David A. Kelly,
Abstract要約: IncXは、実時間インクリメンタルな説明近似のためのアルゴリズムである。我々はオブジェクト検出器のための最先端のブラックボックス説明可能性ツールであるD-RISE上にIncXを実装した。
参考スコア（独自算出の注目度）: 5.639451539396458
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Existing black box explainability tools for object detectors rely on multiple calls to the model, which prevents them from computing explanations in real time. In this paper we introduce IncX, an algorithm for real-time incremental approximations of explanations, based on linear transformations of saliency maps. We implement IncX on top of D-RISE, a state-of-the-art black-box explainability tool for object detectors. We show that IncX's explanations are comparable in quality to those of D-RISE, with insertion curves being within 8%, and are computed two orders of magnitude faster that D-RISE's explanations.
Abstract（参考訳）: 既存のオブジェクト検出器のブラックボックス説明可能性ツールはモデルへの複数の呼び出しに依存しており、リアルタイムで説明を計算できない。本稿では,サリエンシマップの線形変換に基づく実時間インクリメンタルな説明近似アルゴリズムであるIncXを紹介する。我々はオブジェクト検出器のための最先端のブラックボックス説明可能性ツールであるD-RISE上にIncXを実装した。 InXの説明はD-RISEの説明に匹敵するもので、挿入曲線は8%以内であり、D-RISEの説明よりも2桁早く計算されている。

関連論文リスト

Better Verified Explanations with Applications to Incorrectness and Out-of-Distribution Detection [7.603986267721877]
We present VeriX+, which is significantly improves both the size and the generation time of confirmed explanations。サイズと時間のトレードオフを提供するために、QuickXplainアルゴリズムを私たちの設定に適応する方法を示します。また、検証された説明の応用についても検討し、説明サイズが誤検出と分布外検出の両方に有用な指標であることを示す。
論文参考訳（メタデータ） (2024-09-04T20:20:37Z)
2DP-2MRC: 2-Dimensional Pointer-based Machine Reading Comprehension Method for Multimodal Moment Retrieval [27.245689792428557]
モーメント検索は、与えられた自然言語クエリに基づいて、トリミングされていないビデオの中で最も関連性の高い瞬間を見つけることを目的としている。既存のソリューションは、モーメントベースの方法とクリップベースの方法に大まかに分類することができる。本稿では,クリップベース手法における不正確なローカライゼーションの問題に対処するため,新しい2次元ポインターベース2DP-2MRCモデルを提案する。
論文参考訳（メタデータ） (2024-06-10T11:53:29Z)
Fast Dual-Regularized Autoencoder for Sparse Biological Data [65.268245109828]
本研究では,近傍正規化行列補完問題に対する浅層オートエンコーダを開発する。本研究は, 薬物と薬物の相互作用と薬物の放出関連性を予測する上で, 既存の最先端技術に対するアプローチの速度と精度の優位性を実証する。
論文参考訳（メタデータ） (2024-01-30T01:28:48Z)
Dual feature-based and example-based explanation methods [2.024925013349319]
地域的・グローバルな説明に対する新たなアプローチが提案されている。これは、説明されたインスタンスの周りの有限個の点に対して構築された凸包を選択することに基づいている。提案されたアルゴリズムのコードは利用可能である。
論文参考訳（メタデータ） (2024-01-29T16:53:04Z)
ODAM: Gradient-based instance-specific visual explanations for object detection [51.476702316759635]
勾配重み付き物体検出器活性化マップ(ODAM) ODAMは、各予測属性に対する検出器の決定に対する領域の影響を示す熱マップを生成する。そこで本研究では,重複検出対象を識別するために,各予測に対してモデルの説明情報を考慮したOdam-NMSを提案する。
論文参考訳（メタデータ） (2023-04-13T09:20:26Z)
DExT: Detector Explanation Toolkit [5.735035463793008]
最先端の物体検出器は、高度に非線形な内部計算のためにブラックボックスとして扱われる。本稿では,全検出器決定の全体的説明を行うオープンソースインタプリタ説明ツールキット(DExT)を提案する。
論文参考訳（メタデータ） (2022-12-21T23:28:53Z)
Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文参考訳（メタデータ） (2022-09-22T07:50:48Z)
The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
論文参考訳（メタデータ） (2022-06-15T08:49:24Z)
Lifting 2D Object Locations to 3D by Discounting LiDAR Outliers across Objects and Views [70.1586005070678]
本稿では,2次元マスクオブジェクトの予測と生のLiDAR点雲を自動的に3次元境界ボックスに変換するシステムを提案する。これらの手法は, より複雑なパイプラインや3Dモデル, 付加的な人為的な事前情報ソースを使用するにもかかわらず, 従来よりもはるかに優れていた。
論文参考訳（メタデータ） (2021-09-16T13:01:13Z)
Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
論文参考訳（メタデータ） (2020-06-05T02:13:35Z)

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。