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: 翻訳完了
• 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

• Real-Time Navigation for Autonomous Aerial Vehicles Using Video [11.414350041043326]
  我々は,コンピュータビジョン(CV)アルゴリズムの作業量を削減するために,新しいマルコフ決定プロセス(MDP)フレームワークを導入する。 提案するフレームワークは,機能ベースとニューラルネットベースのオブジェクト検出タスクの両方に適用する。 これらの総合的なテストは、エネルギー消費と速度に大きな利点を示し、精度は限られている。
  論文  参考訳（メタデータ） (2025-04-01T01:14:42Z)
• Extending XReason: Formal Explanations for Adversarial Detection [0.0]
  XReasonツールを拡張して、LightGBMモデルとクラスレベルの説明をサポートします。 また,XReasonにおける逆例の生成と検出を行う機構を実装した。 また,CICIDS-2017データセット上でのアプローチの有効性と精度を評価した。
  論文  参考訳（メタデータ） (2024-12-31T16:45:03Z)
• 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)
• Guiding Attention in End-to-End Driving Models [49.762868784033785]
  模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。 トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。 従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
  論文  参考訳（メタデータ） (2024-04-30T23:18:51Z)
• Real-time Traffic Object Detection for Autonomous Driving [5.780326596446099]
  現代のコンピュータビジョン技術は、効率よりも精度を優先する傾向がある。 既存の物体検出器はリアルタイムには程遠い。 リアルタイム要件を取り入れた,より適切な代替案を提案する。
  論文  参考訳（メタデータ） (2024-01-31T19:12:56Z)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• 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)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• 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)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• 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)
• Provident Vehicle Detection at Night for Advanced Driver Assistance Systems [3.7468898363447654]
  本報告では, 夜間に来るべき車両を, 発生した光成果物に基づいて検出するシステムについて述べる。 本研究では,提案システムが提供する時間的メリットを,実稼働型コンピュータビジョンシステムと比較して定量化する。
  論文  参考訳（メタデータ） (2021-07-23T15:27:17Z)
• Scaling up Memory-Efficient Formal Verification Tools for Tree Ensembles [2.588973722689844]
  ツール記述として提示されたVoTEアルゴリズムを形式化し拡張する。 コア検証エンジンからプロパティチェックを分離することで、汎用性のある要件の検証が可能となります。 数値認識と航空機衝突回避という2つのケーススタディで、このツールの適用を実証します。
  論文  参考訳（メタデータ） (2021-05-06T11:50:22Z)
• Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
  本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。 具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。 提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
  論文  参考訳（メタデータ） (2020-12-26T19:41:15Z)
• 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。

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。