Fugu-MT 論文翻訳(概要): From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection

論文の概要: From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection

arxiv url: http://arxiv.org/abs/2411.04707v1
Date: Thu, 07 Nov 2024 13:45:23 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-08 19:38:34.214858
Title: From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection
Title（参考訳）: CNNからConvRNNへ:時系列異常検出のための可視化手法の適用
Authors: Fabien Poirier,
Abstract要約: 本稿では,ビデオデータから異常検出を行う時間分散convRNNによる学習プロセスに着目した。その効果にもかかわらず、ニューラルネットワークは意思決定を説明することなく回答を提供することのできるブラックボックスとして認識されることが多い。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Nowadays, neural networks are commonly used to solve various problems. Unfortunately, despite their effectiveness, they are often perceived as black boxes capable of providing answers without explaining their decisions, which raises numerous ethical and legal concerns. Fortunately, the field of explainability helps users understand these results. This aspect of machine learning allows users to grasp the decision-making process of a model and verify the relevance of its outcomes. In this article, we focus on the learning process carried out by a ``time distributed`` convRNN, which performs anomaly detection from video data.
Abstract（参考訳）: 今日では、ニューラルネットワークは様々な問題を解決するために一般的に使われている。残念なことに、それらの効果にもかかわらず、彼らは意思決定を説明することなく答えを提供できるブラックボックスとして認識され、多くの倫理的、法的懸念を引き起こす。幸いなことに、説明可能性の分野は、ユーザがこれらの結果を理解するのに役立つ。この機械学習の側面により、ユーザーはモデルの意思決定プロセスを理解し、結果の妥当性を検証することができる。本稿では,ビデオデータから異常検出を行う ``time distributed`` convRNN による学習過程に着目した。

関連論文リスト

Real-Time Anomaly Detection in Video Streams [0.0]
この論文は、Othello社とIASD研究所との間のCIFRE協定の一部である。目的は、ビデオストリーム内のリアルタイムな危険を検出する人工知能システムを開発することである。
論文参考訳（メタデータ） (2024-11-29T14:24:33Z)
TBConvL-Net: A Hybrid Deep Learning Architecture for Robust Medical Image Segmentation [6.013821375459473]
医用画像セグメンテーションのための新しいディープラーニングアーキテクチャを提案する。提案モデルでは,10の公開データセット上でのテクニックの現状に対して,一貫した改善が示されている。
論文参考訳（メタデータ） (2024-09-05T09:14:03Z)
Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
ASF-Net: Robust Video Deraining via Temporal Alignment and Online Adaptive Learning [47.10392889695035]
本稿では,時間シフトモジュールを組み込んだ新しい計算パラダイムであるアライメント・シフト・フュージョン・ネットワーク(ASF-Net)を提案する。 LArgeスケールのRAINYビデオデータセット(LARA)を構築し,このコミュニティの開発を支援する。提案手法は,3つのベンチマークにおいて優れた性能を示し,実世界のシナリオにおいて魅力的な視覚的品質を示す。
論文参考訳（メタデータ） (2023-09-02T14:50:13Z)
STIP: A SpatioTemporal Information-Preserving and Perception-Augmented Model for High-Resolution Video Prediction [78.129039340528]
本稿では、上記の2つの問題を解決するために、時空間情報保存・知覚拡張モデル(STIP)を提案する。提案モデルは,特徴抽出と状態遷移中の映像の時間的情報を保存することを目的としている。実験結果から,提案したSTIPは,様々な最先端手法と比較して,より良好な映像品質で映像を予測できることが示唆された。
論文参考訳（メタデータ） (2022-06-09T09:49:04Z)
Cloud based Scalable Object Recognition from Video Streams using Orientation Fusion and Convolutional Neural Networks [11.44782606621054]
畳み込みニューラルネットワーク(CNN)は、インテリジェントな視覚オブジェクト認識を行うために広く利用されている。 CNNはいまだに深刻な精度低下、特に照明変動データセットに悩まされている。視覚オブジェクト認識のための方向融合に基づく新しいCNN手法を提案する。
論文参考訳（メタデータ） (2021-06-19T07:15:15Z)
A Study On the Effects of Pre-processing On Spatio-temporal Action Recognition Using Spiking Neural Networks Trained with STDP [0.0]
ビデオ分類タスクにおいて,教師なし学習手法で訓練したSNNの行動を研究することが重要である。本稿では,時間情報を静的な形式に変換し,遅延符号化を用いて視覚情報をスパイクに変換する手法を提案する。スパイクニューラルネットワークを用いた行動認識における行動の形状と速度の類似性の効果を示す。
論文参考訳（メタデータ） (2021-05-31T07:07:48Z)
Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文参考訳（メタデータ） (2021-04-15T14:32:12Z)
Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
論文参考訳（メタデータ） (2020-11-26T14:43:04Z)
A Prospective Study on Sequence-Driven Temporal Sampling and Ego-Motion Compensation for Action Recognition in the EPIC-Kitchens Dataset [68.8204255655161]
行動認識はコンピュータビジョンにおける最上位の研究分野の一つである。エゴモーション記録シーケンスは重要な関連性を持つようになった。提案手法は,このエゴモーションやカメラの動きを推定して対処することを目的としている。
論文参考訳（メタデータ） (2020-08-26T14:44:45Z)

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。