抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マシンビジョンコンポーネント(MVC)は安全クリティカルになっている。安全性を含むそれらの品質を保証することは,それらの成功した展開に不可欠である。保証は,正確に指定され,理想的に,機械検証可能な要求のアベイラビリティに依存する。最先端の性能を有するMVCは,機械学習(ML)と訓練データに依存するが,そのような要求を大きく欠いている。本論文では,環境内の現実的で安全に重要な変化の全範囲をシミュレートする変換に対するMVCに対する機械検証可能な信頼性要求を定義する必要性に取り組んだ。ベースラインとして人間性能を用いて,信頼性要求を定義した:すなわち,画像における変化が人間の決定に影響を及ぼさないので,これらがMVCのこの目的に影響を及ぼさず,著者らは提供する。(1)安全関連画像変換のクラス;(2)信頼性要求クラスは,MVCのための正当性保存と予測保存を指定する。(3)人間性能実験データを用いて,これらの要求クラスから機械検証要求を即時化する方法;(4)約2000人の参加者から8つの一般的に使用される変換を含む画像認識のための人間性能実験データ;(5)MVCが著者らの要求を満たすかどうかを自動的にチェックする方法。さらに,著者らの信頼性要求は,最先端の事前訓練画像分類モデルに関する著者らの方法を評価することによって実行可能で再利用可能であることを示す。最後に,この手法は,他の既存の方法が検出できないMVCの信頼性ギャップを検出することを実証した。【JST・京大機械翻訳】