論文の概要: Confidence-Filtered Relevance (CFR): An Interpretable and Uncertainty-Aware Machine Learning Framework for Naturalness Assessment in Satellite Imagery

• arxiv url: http://arxiv.org/abs/2507.13034v1
• Date: Thu, 17 Jul 2025 12:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-18 20:10:24.481258
• Title: Confidence-Filtered Relevance (CFR): An Interpretable and Uncertainty-Aware Machine Learning Framework for Naturalness Assessment in Satellite Imagery
• Title（参考訳）: 信頼関係(CFR):衛星画像における自然性評価のための解釈可能で不確実な機械学習フレームワーク
• Authors: Ahmed Emam, Ribana Roscher,
• Abstract要約: Confidence-Filtered Relevance (CFR)は、LRP注意ロールアウトとDeep Deterministic Uncertainty Estimationを組み合わせた、データ中心のフレームワークである。 CFRは、データセットを不確実性しきい値に基づいてサブセットに分割し、衛星画像の自然性の説明がどのように不確実性を形成するかの体系的な分析を可能にする。 不確実性が増すにつれて、関連熱マップの解釈可能性は低下し、エントロピーは増加し、より選択的であいまいな属性は減少する。
• 参考スコア（独自算出の注目度）: 3.846084066763095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Protected natural areas play a vital role in ecological balance and ecosystem services. Monitoring these regions at scale using satellite imagery and machine learning is promising, but current methods often lack interpretability and uncertainty-awareness, and do not address how uncertainty affects naturalness assessment. In contrast, we propose Confidence-Filtered Relevance (CFR), a data-centric framework that combines LRP Attention Rollout with Deep Deterministic Uncertainty (DDU) estimation to analyze how model uncertainty influences the interpretability of relevance heatmaps. CFR partitions the dataset into subsets based on uncertainty thresholds, enabling systematic analysis of how uncertainty shapes the explanations of naturalness in satellite imagery. Applied to the AnthroProtect dataset, CFR assigned higher relevance to shrublands, forests, and wetlands, aligning with other research on naturalness assessment. Moreover, our analysis shows that as uncertainty increases, the interpretability of these relevance heatmaps declines and their entropy grows, indicating less selective and more ambiguous attributions. CFR provides a data-centric approach to assess the relevance of patterns to naturalness in satellite imagery based on their associated certainty.
• Abstract（参考訳）: 保護された自然地域は生態系のバランスと生態系のサービスにおいて重要な役割を担っている。 衛星画像と機械学習を用いてこれらの領域を大規模に監視することは有望であるが、現在の手法では解釈可能性や不確実性に欠けることが多く、不確実性が自然性評価にどのように影響するかには対処していない。 対照的に,LRPアテンションロールアウトとDeep Deterministic Uncertainty (DDU)推定を組み合わせたデータ中心型フレームワークであるConfidence-Filtered Relevance (CFR)を提案する。 CFRは、データセットを不確実性しきい値に基づいてサブセットに分割し、不確実性がどのように衛星画像の自然性の説明を形作るかの体系的な分析を可能にする。 AnthroProtectデータセットに適用されたCFRは、低木、森林、湿地との関連性を高め、自然性評価に関する他の研究と一致させた。 さらに,不確実性が増大するにつれて,これらの関連熱マップの解釈可能性が低下し,エントロピーが増大し,より選択的で曖昧な属性が減少することを示す。 CFRは、関連する確実性に基づいて、衛星画像におけるパターンと自然性との関連性を評価するために、データ中心のアプローチを提供する。

関連論文リスト

• Enhancing Uncertainty Quantification for Runtime Safety Assurance Using Causal Risk Analysis and Operational Design Domain [0.0]
  本研究では,環境条件を明確に取り入れた従来の不確実性定量化の強化を提案する。 本研究では,ハザード解析・リスクアセスメント(HARA)とフォールトツリーモデリングを活用し,システム機能に影響を及ぼす重要な運用条件を特定する。 実行時に、このBNはリアルタイム環境観測を用いてインスタンス化され、安全推定よりも確率分布を推定する。
  論文  参考訳（メタデータ） (2025-07-04T12:12:32Z)
• On the Generalization of Representation Uncertainty in Earth Observation [18.74462879840487]
  地球観測(EO)データにおける表現の不確実性の一般化について検討する。 自然画像上で事前訓練された不確実性とは異なり、EO-pretrainingは目に見えないEOドメイン、地理的な位置、ターゲットの粒度の強い一般化を示す。 本研究は,EOにおける表現の不確実性に関する議論を開始し,その強みと限界について考察する。
  論文  参考訳（メタデータ） (2025-03-10T09:04:50Z)
• Uncertainty Representation in a SOTIF-Related Use Case with Dempster-Shafer Theory for LiDAR Sensor-Based Object Detection [0.0]
  LiDARセンサによる物体検出の不確かさは、環境変動とセンサ性能の限界から生じる。 Dempster-Shafer Theory (DST) は、検出結果を表すための識別フレーム(FoD)を構築するために用いられる。 イェーガーの組合せ規則は、複数の情報源の矛盾する証拠を解決するために用いられる。
  論文  参考訳（メタデータ） (2025-03-03T22:13:51Z)
• Probabilistic Modeling of Disparity Uncertainty for Robust and Efficient Stereo Matching [61.73532883992135]
  本稿では,新しい不確実性を考慮したステレオマッチングフレームワークを提案する。 我々はベイズリスクを不確実性の測定として採用し、データを別々に見積もり、不確実性をモデル化する。
  論文  参考訳（メタデータ） (2024-12-24T23:28:20Z)
• Evidential Semantic Mapping in Off-road Environments with Uncertainty-aware Bayesian Kernel Inference [5.120567378386614]
  本稿では,オフロード環境における信頼性を高めることを目的とした,明白なセマンティックマッピングフレームワークを提案する。 セマンティックな不確かさを適応的に処理することにより、提案フレームワークは、これまで見えなかった環境においても、周囲の堅牢な表現を構築する。
  論文  参考訳（メタデータ） (2024-03-21T05:13:34Z)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Uncertainty in Data-Driven Kalman Filtering for Partially Known State-Space Models [84.18625250574853]
  本稿では,ハイブリッドモデルに基づくディープステートトラッキングアルゴリズムであるKalmanNetを用いて,不確実性の評価を行う。 誤差共分散行列は内部特性に基づいて不確実性の測定値として計算可能であることを示す。 システムダイナミクスが分かっている場合、KalmanNetは統計情報にアクセスせずにデータからマッピングを学習し、Kalmanフィルタに類似した不確実性を示す。
  論文  参考訳（メタデータ） (2021-10-10T08:52:18Z)
• Joint Dermatological Lesion Classification and Confidence Modeling with Uncertainty Estimation [23.817227116949958]
  本稿では,皮膚学的な分類と不確実性評価を共同で検討する枠組みを提案する。 信頼ネットワークから不確実な特徴や望ましくない変化を避けるために,各特徴の信頼度を推定する。 提案手法の可能性を2つの最先端の皮膚内視鏡的データセットに示す。
  論文  参考訳（メタデータ） (2021-07-19T11:54:37Z)
• Approaching Neural Network Uncertainty Realism [53.308409014122816]
  自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。 マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。 自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-01-08T11:56:12Z)
• Confounding-Robust Policy Evaluation in Infinite-Horizon Reinforcement Learning [70.01650994156797]
  教育医療などのバッチ強化学習において、観察データからのシーケンシャルな意思決定方針のオフ・アセスメントが必要である。 我々は、ある政策の境界を推定するアプローチを開発する。 より凝縮したデータを集めることで、シャープな境界への収束を証明します。
  論文  参考訳（メタデータ） (2020-02-11T16:18:14Z)

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。