Confident Object Detection via Conformal Prediction and Conformal Risk Control: an Application to Railway Signaling

要約

タイトル：確信性を持った物体検出における符号化予測と符号化リスクコントロール：鉄道信号への応用

要約：
– 実世界の認証システムにおいて深層学習モデルを展開するためには、正確な不確実性を反映する信頼性のある確信推定の能力が必要である。
– 本論文では、鉄道信号を検出するための信頼性の高い予測器を構築するために符号化予測フレームワークの使用を実証する。
– 著者らは、列車オペレーターの視点から撮影された画像と最先端の物体検出器を含む新しいデータセットに基づく手法を提案し、複数の符号化アプローチをテストし、符号化リスクコントロールに基づく新しい手法を導入する。
– 結果として、符号化予測フレームワークの潜在的な性能を実証し、モデルの性能を評価し、形式的に保証された不確実性の境界を実現するための実践的なガイドラインを提供することができることが示唆された。

要点：
– 実世界の認証システムにおいて深層学習モデルを展開するためには、正確な不確実性を反映する信頼性のある確信推定の能力が必要である。
– 鉄道信号を検出するための信頼性の高い予測器を構築するために、符号化予測フレームワークの使用を実証する。
– 新しいデータセットに基づく手法を提案し、複数の符号化アプローチをテストし、符号化リスクコントロールに基づく新しい手法を導入する。
– 結果として、符号化予測フレームワークの潜在的な性能を実証し、実用的なガイドラインを提供することが示唆された。

要約(オリジナル)

Deploying deep learning models in real-world certified systems requires the ability to provide confidence estimates that accurately reflect their uncertainty. In this paper, we demonstrate the use of the conformal prediction framework to construct reliable and trustworthy predictors for detecting railway signals. Our approach is based on a novel dataset that includes images taken from the perspective of a train operator and state-of-the-art object detectors. We test several conformal approaches and introduce a new method based on conformal risk control. Our findings demonstrate the potential of the conformal prediction framework to evaluate model performance and provide practical guidance for achieving formally guaranteed uncertainty bounds.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI