A Methodology to Evaluate Strategies Predicting Rankings on Unseen Domains

要約

多くの場合、複数のエンティティ（メソッド、アルゴリズム、手順、ソリューションなど）を一般的なタスクのために開発し、遭遇するシナリオの分布が異なるさまざまなドメインに適用できます。
たとえば、コンピュータービジョンでは、画像分析方法に提供される入力データは、使用するセンサーのタイプ、その場所、シーンの内容に依存します。
ただし、重要な難しさは残っています。新しいドメインの評価に基づいて、新しいドメインでの評価に基づいて、新しいドメインでどのエンティティが最適かを予測できます。
このペーパーでは、さまざまなアプリケーション固有の好みについて、この質問に対処するためのオリジナルの方法論を紹介します。
53のドメイン（ビデオ）での40のエンティティ（監視されていないバックグラウンド減算方法）のランキングを予測するための30の戦略でその使用を説明します。

要約(オリジナル)

Frequently, multiple entities (methods, algorithms, procedures, solutions, etc.) can be developed for a common task and applied across various domains that differ in the distribution of scenarios encountered. For example, in computer vision, the input data provided to image analysis methods depend on the type of sensor used, its location, and the scene content. However, a crucial difficulty remains: can we predict which entities will perform best in a new domain based on assessments on known domains, without having to carry out new and costly evaluations? This paper presents an original methodology to address this question, in a leave-one-domain-out fashion, for various application-specific preferences. We illustrate its use with 30 strategies to predict the rankings of 40 entities (unsupervised background subtraction methods) on 53 domains (videos).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google