اکسپرس 24
ترجمه فارسی مقاله SegXAL: یادگیری فعال قابل توضیح برای قطعه‌بندی معنایی در سناریوهای صحنه رانندگی

ترجمه فارسی مقاله SegXAL: یادگیری فعال قابل توضیح برای قطعه‌بندی معنایی در سناریوهای صحنه رانندگی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی SegXAL: Explainable Active Learning for Semantic Segmentation in Driving Scene Scenarios
عنوان مقاله به فارسی SegXAL: یادگیری فعال قابل توضیح برای قطعه‌بندی معنایی در سناریوهای صحنه رانندگی
نویسندگان Sriram Mandalika, Athira Nambiar
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,Robotics,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین , روباتیک ,
توضیحات Submitted 8 August, 2024; originally announced August 2024. , Comments: 17 pages, 7 figures. To appear in the proceedings of the 27th International Conference on Pattern Recognition (ICPR), 01-05 December, 2024, Kolkata, India
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 17 صفحه ، 7 شکل.برای حضور در مجموعه مقالات بیست و هفتمین کنفرانس بین المللی به رسمیت شناختن الگوی (ICPR) ، 01-05 دسامبر ، 2024 ، کلکته ، هند

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 680,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Most of the sophisticated AI models utilize huge amounts of annotated data and heavy training to achieve high-end performance. However, there are certain challenges that hinder the deployment of AI models "in-the-wild" scenarios, i.e., inefficient use of unlabeled data, lack of incorporation of human expertise, and lack of interpretation of the results. To mitigate these challenges, we propose a novel Explainable Active Learning (XAL) model, XAL-based semantic segmentation model "SegXAL", that can (i) effectively utilize the unlabeled data, (ii) facilitate the "Human-in-the-loop" paradigm, and (iii) augment the model decisions in an interpretable way. In particular, we investigate the application of the SegXAL model for semantic segmentation in driving scene scenarios. The SegXAL model proposes the image regions that require labeling assistance from Oracle by dint of explainable AI (XAI) and uncertainty measures in a weakly-supervised manner. Specifically, we propose a novel Proximity-aware Explainable-AI (PAE) module and Entropy-based Uncertainty (EBU) module to get an Explainable Error Mask, which enables the machine teachers/human experts to provide intuitive reasoning behind the results and to solicit feedback to the AI system via an active learning strategy. Such a mechanism bridges the semantic gap between man and machine through collaborative intelligence, where humans and AI actively enhance each other's complementary strengths. A novel high-confidence sample selection technique based on the DICE similarity coefficient is also presented within the SegXAL framework. Extensive quantitative and qualitative analyses are carried out in the benchmarking Cityscape dataset. Results show the outperformance of our proposed SegXAL against other state-of-the-art models.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از مدلهای پیشرفته هوش مصنوعی از مقادیر عظیمی از داده های حاشیه نویسی و آموزش های سنگین برای دستیابی به عملکرد سطح بالا استفاده می کنند.با این حال ، چالش های خاصی وجود دارد که مانع استقرار سناریوهای "در اثر وحشی" مدل های هوش مصنوعی ، یعنی استفاده ناکارآمد از داده های بدون برچسب ، عدم اختلاط تخصص انسان و عدم تفسیر نتایج می شود.برای کاهش این چالش ها ، ما یک مدل یادگیری فعال قابل توضیح (XAL) جدید ، مدل تقسیم معنایی مبتنی بر XAL "Segxal" را پیشنهاد می کنیم ، که می تواند (i) به طور مؤثر از داده های بدون برچسب استفاده کند ، (ii) "انسان در"حلقه "الگوی" ، و (iii) تصمیمات مدل را به روشی قابل تفسیر تقویت می کند.به طور خاص ، ما در مورد استفاده از مدل SEGXAL برای تقسیم معنایی در سناریوهای صحنه رانندگی بررسی می کنیم.مدل SEGXAL مناطق تصویر را پیشنهاد می کند که نیاز به کمک به برچسب زدن از Oracle توسط DINT از AI قابل توضیح (XAI) و اقدامات عدم اطمینان به صورت ضعیف تحت نظارت دارند.به طور خاص ، ما یک ماژول جدید و توضیح داده شده از مجاورت جدید-آگاه و ماژول مبتنی بر آنتروپی (EBU) را برای به دست آوردن یک ماسک خطای قابل توضیح پیشنهاد می کنیم ، که معلمان دستگاه/متخصصان انسانی را قادر می سازد تا استدلال بصری در پشت نتایج ارائه دهند و درخواست کنندبازخورد به سیستم هوش مصنوعی از طریق یک استراتژی یادگیری فعال.چنین مکانیسم شکاف معنایی بین انسان و ماشین را از طریق هوش مشارکتی ایجاد می کند ، جایی که انسان و هوش مصنوعی به طور فعال نقاط قوت مکمل یکدیگر را تقویت می کنند.یک تکنیک انتخاب نمونه با اعتماد به نفس بالا بر اساس ضریب شباهت تاس نیز در چارچوب SEGXAL ارائه شده است.تجزیه و تحلیل های کمی و کیفی گسترده در مجموعه داده های معیار Cityscape انجام می شود.نتایج نشان می دهد که عملکرد SEGXAL پیشنهادی ما در برابر سایر مدلهای پیشرفته است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.