論文の概要: A Comparison of Human and Machine Learning Errors in Face Recognition

• arxiv url: http://arxiv.org/abs/2502.11337v1
• Date: Mon, 17 Feb 2025 01:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:16:22.993220
• Title: A Comparison of Human and Machine Learning Errors in Face Recognition
• Title（参考訳）: 顔認識におけるヒューマンと機械学習の誤差の比較
• Authors: Marina Estévez-Almenzar, Ricardo Baeza-Yates, Carlos Castillo,
• Abstract要約: 我々は顔認識の分野で実験を行い、2つの自動顔認識システムと人間のアノテータを比較した。 我々の研究は、機械学習の誤りとヒューマンエラーが互いに異なる重要な方法を明らかにするとともに、人間と機械の協調によって顔認識の精度が向上する可能性を示唆している。
• 参考スコア（独自算出の注目度）: 8.064574155970963
• License:
• Abstract: Machine learning applications in high-stakes scenarios should always operate under human oversight. Developing an optimal combination of human and machine intelligence requires an understanding of their complementarities, particularly regarding the similarities and differences in the way they make mistakes. We perform extensive experiments in the area of face recognition and compare two automated face recognition systems against human annotators through a demographically balanced user study. Our research uncovers important ways in which machine learning errors and human errors differ from each other, and suggests potential strategies in which human-machine collaboration can improve accuracy in face recognition.
• Abstract（参考訳）: ハイテイクシナリオにおける機械学習アプリケーションは、常に人間の監視の下で動作すべきである。 ヒューマンインテリジェンスとマシンインテリジェンスの最適な組み合わせを開発するには、相補性、特にそれらのミスの仕方における類似点と相違点を理解する必要がある。 顔認識の分野で広範な実験を行い、2つの自動顔認識システムと人間のアノテータを比較し、人口統計学的バランスの取れたユーザスタディを通して比較した。 我々の研究は、機械学習の誤りとヒューマンエラーが互いに異なる重要な方法を明らかにするとともに、人間と機械の協調によって顔認識の精度が向上する可能性を示唆している。

関連論文リスト

• Improving Visual Perception of a Social Robot for Controlled and In-the-wild Human-robot Interaction [10.260966795508569]
  ソーシャルロボットが深層学習に基づく視覚知覚モデルを採用すると、客観的相互作用性能と主観的ユーザ体験がどう影響するかは明らかでない。 我々は、ペッパーロボットの視覚知覚機能を改善するために、最先端の人間の知覚と追跡モデルを用いている。
  論文  参考訳（メタデータ） (2024-03-04T06:47:06Z)
• Human adaptation to adaptive machines converges to game-theoretic equilibria [13.234975857626752]
  我々は,知的人間と機械の協調的な相互作用の結果をゲーム理論を用いて予測し,設計する方法を示す。 あるアルゴリズムはマシンの最適性に対する人間と機械の相互作用を制御し、人間の行動を効果的に制御する。
  論文  参考訳（メタデータ） (2023-05-01T23:35:51Z)
• Human and AI Perceptual Differences in Image Classification Errors [13.045020949359621]
  本研究はまず,2つの情報源からの誤りの統計的分布を分析し,課題難易度がこれらの分布に与える影響について検討する。 AIがトレーニングデータから優れたモデルを学び、全体的な精度で人間を上回ったとしても、これらのAIモデルは人間の知覚と有意で一貫した違いを持つ。
  論文  参考訳（メタデータ） (2023-04-18T05:09:07Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• Joint Inference of States, Robot Knowledge, and Human (False-)Beliefs [90.20235972293801]
  本稿では,人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)・人間(時間的)の認知能力が,ロボットとの相互作用にどのように影響するかを理解するために,対象状態,ロボット知識,人間(時間的)の認知能力の表現にグラフィカルモデルを採用することを提案する。 推論アルゴリズムは、複数のビューにまたがる全てのロボットから個別のpgを融合し、単一のビューから発生したエラーを克服するより効果的な推論能力を得る。
  論文  参考訳（メタデータ） (2020-04-25T23:02:04Z)

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。