論文の概要: Reliability Characterization for N-version Object Detection

• arxiv url: http://arxiv.org/abs/2610.12149v1
• Date: Thu, 08 Oct 2026 15:33:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.120135
• Title: Reliability Characterization for N-version Object Detection
• Title（参考訳）: N-version Object Detection の信頼性評価
• Abstract要約: N-version Object Detection (OD) は、複数のモデルや入力フレームを用いて検出結果を多様化する手法である。 N-version OD(Cov_OD)におけるエラーのカバレッジと、OD(Cer_OD)における正確な予測の確実性という、2つの信頼性指標を提案する。 提案手法は,1)相補的な誤差特性を持つバージョンの組み合わせの選択,2)多様性と整合性プロファイルに基づく効果的な投票戦略の選択,3)NバージョンODシステムの段階的構築をペアワイズ2バージョン解析により導くこと,の3つに有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: N-version object detection (OD) is an approach to diversifying detection results using multiple models or input frames and reducing detection errors by aggregating individual results. Diversity and consistency across multiple detection results are critical information for characterizing the reliability of possible configurations of N-version OD systems. However, existing performance metrics such as mAP and Accuracy fail to capture these factors, as they are defined solely on the final outcome after aggregation. To overcome this limitation, we propose two reliability metrics particularly defined for N-version OD, namely coverage of errors in OD (Cov_OD) and certainty of accurate prediction in OD (Cer_OD), which can be computed from individual detection results without relying on voting strategies. We empirically demonstrate the unique features of the proposed metrics through a case study of N-version OD for a vehicle in an autonomous-driving simulator. We show that the proposed metrics can be used for 1) selecting version combinations with complementary error characteristics, 2) choosing an effective voting strategy based on diversity and consistency profiles, and 3) guiding incremental construction of N-version OD systems via pairwise two-version analysis. These results highlight the importance of the metrics that can guide the design of reliable N-version OD applications.
• Abstract（参考訳）: N-version Object Detection (OD) は、複数のモデルや入力フレームを用いて検出結果を多様化し、個々の結果を集約することで検出エラーを低減するアプローチである。 複数の検出結果にまたがる多様性と一貫性は、N-version ODシステムの構成の信頼性を特徴付ける重要な情報である。 しかし、mAPや精度といった既存のパフォーマンス指標は、集約後の最終的な結果のみに基づいて定義されているため、これらの要因を捉えられません。 この制限を克服するために,N-version OD で特に定義されている2つの信頼性指標,すなわち OD (Cov_OD) におけるエラーのカバレッジと OD (Cer_OD) における正確な予測の確実性を提案する。 自動運転車シミュレータにおける車両用N-version ODのケーススタディを通じて,提案手法のユニークな特徴を実証的に実証した。 提案した指標が利用できることを示す。 1)相補的なエラー特性を持つバージョンの組み合わせを選択する。 2【多様性・整合性プロファイルに基づく効果的な投票戦略の選択】 3) N-version OD システムの段階的構築をペアワイズ2-version 解析により導く。 これらの結果は、信頼性の高いN-version ODアプリケーションの設計をガイドできるメトリクスの重要性を強調している。

関連論文リスト

• Locally Private Parametric Methods for Change-Point Detection [11.057090535856839]
  そこで本研究では,局所的な差分プライバシーの下で時系列の分布変化を同定することを目的とするパラメトリックな変化点検出について検討する。 非プライベートな設定では、一般化された対数類似度比テストに基づいて、変更点検出アルゴリズムに対する有限サンプル精度の保証を導出する。 そこで本研究では,ランダム化応答とバイナリ機構に基づく2つの局所微分プライベートアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-02-14T06:11:54Z)
• Source-Free Object Detection with Detection Transformer [59.33653163035064]
  Source-Free Object Detection (SFOD) は、ソースデータにアクセスすることなく、ソースドメインから教師なしのターゲットドメインへの知識転送を可能にする。 ほとんどの既存のSFODアプローチは、より高速なR-CNNのような従来のオブジェクト検出(OD)モデルに限られるか、新しいODアーキテクチャ、特に検出変換器(DETR)に適合しない一般的なソリューションとして設計されている。 本稿では,DTRのクエリ中心の機能強化を特化して設計された新しいSFODフレームワークであるFeature Reweighting ANd Contrastive Learning NetworK(FRANCK)を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T07:35:04Z)
• Trajectory Anomaly Detection with Language Models [21.401931052512595]
  本稿では,自己回帰因果アテンションモデル(LM-TAD)を用いた軌道異常検出のための新しい手法を提案する。 トラジェクトリをトークンの列として扱うことにより、トラジェクトリ上の確率分布を学習し、高精度な異常位置の同定を可能にする。 本実験は, 合成および実世界の両方のデータセットに対するLM-TADの有効性を実証した。
  論文  参考訳（メタデータ） (2024-09-18T17:33:31Z)
• Fault Detection and Monitoring using a Data-Driven Information-Based Strategy: Method, Theory, and Application [5.056456697289351]
  本稿では,新しいコンセプトドリフト検出器に基づく情報駆動型故障検出手法を提案する。 本手法は,加法雑音モデルの入出力関係におけるドリフトの同定に適している。 提案したMIに基づく故障検出手法の理論的特性を実証する。
  論文  参考訳（メタデータ） (2024-05-06T17:43:39Z)
• Run-time Introspection of 2D Object Detection in Automated Driving Systems Using Learning Representations [13.529124221397822]
  ディープニューラルネットワーク(DNN)に基づく2次元物体検出のための新しいイントロスペクションソリューションを提案する。 KITTIとBDDのデータセットで評価された1段階および2段階のオブジェクト検出器を用いて,2次元オブジェクト検出におけるエラー検出のためのSOTAイントロスペクション機構を実装した。 性能評価の結果,提案手法はSOTA法より優れており,BDDデータセットのエラー率を9%から17%まで絶対的に削減できることがわかった。
  論文  参考訳（メタデータ） (2024-03-02T10:56:14Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
  正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。 提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-09T08:16:35Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。