交通光検出のための新規性に基づく一般化評価【JST・京大機械翻訳】

Shekar Arvind Kumar; Lake Laureen; Gou Liang; Ren Liu

プレプリント

J-GLOBAL ID：202202214764964254 整理番号：22P0022768

交通光検出のための新規性に基づく一般化評価【JST・京大機械翻訳】

Novelty-based Generalization Evaluation for Traffic Light Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

畳込みニューラルネットワーク(CNN)の出現は,いくつかのドメインにおけるそれらの応用をもたらした。1つの注目すべき応用はCNNからの予測に依存する自律運転のための認識システムである。実践者は,独立試験データセット上の様々な計量を計算することにより,そのようなCNNの一般化能力を評価する。テストデータセットは,1つの前提条件,すなわち,その要素が訓練データの一部でないだけに基づいて選択されることが多い。そのようなデータセットは,訓練データセットの類似および新しいw.r.t.の両者であるオブジェクトを含む可能性がある。それにもかかわらず,既存の研究は,試験試料の新規性を再現せず,一般化を評価するために,それらをすべて等しく処理する。このような新規性ベースの評価は,自律運転アプリケーションにおけるCNNの適応性を検証するために重要である。したがって,テストデータセットにおけるオブジェクトの新規性を考慮するCNN一般化スコアリングフレームワークを提案した。画像データを低次元空間に縮小するために,表現学習技法を始めた。この空間で,試験試料の新規性を推定した。最後に,試験データ予測性能と新規性の組合せとして一般化スコアを計算した。著者らは,著者らの交通光検出応用に対して同じ実験研究を行った。さらに,新規性の解釈可能な概念の結果を系統的に可視化した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る