水中ソナー画像分類のための説明可能な文脈適応的融合と専門家イン・ザ・ループ評価の枠組み.

科学分野:

• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 海洋技術技術 マリンテクノロジー
• コンピュータビジョン コンピュータビジョン

背景:

• ソナー画像の解釈は,水中物体の検出に不可欠です.
• 従来型のディープラーニングモデルは,ソナー特有の特徴 (例えば,音声シャドー) に苦労し,透明性が欠けている.
• この不透明性は,AI駆動のソナー分析におけるパフォーマンスとユーザーの信頼を制限する.

研究 の 目的:

• 現在のディープラーニングモデルの限界に対処する説明可能なソナー画像分類システムを提案する.
• ソナーアプリケーションにおけるAIの解釈性と信頼性を高めるために.
• 改良されたソナー特性の抽出と分析のために,専門の分類器を融合させる.

主な方法:

• 注目ベースの融合を介してナイヴ,シャドウネット,ハイライトネットの分類者を統合した新しいコンテキスト・アダプティブ・フュージョン・フレームワーク (CAFF) を開発した.
• 組み込まれている説明可能性のテクニックは,グラデント加重クラスアクティベーションマッピング (Grad-CAM),シャップリー・アディティブ・エクスプランテーション (SHAP),ローカル・インタプリタブル・モデル・アグノスティック・エクスプランテーション (LIME) です.
• エクスペライナビリティのための拡張品質評価 (AQUA-X) フレームワークを使用して,検証と精錬のための専門家イン・ザ・ループの評価を実施しました.

主要な成果:

• CAFFは,ソナー特有の特徴を効果的に融合させ,従来の方法の性能を上回ります.
• 説明性技術は,ソナー特有の特徴の解釈に関する詳細な洞察を提供した.
• AQUA-Xによる専門家の検証により,システムの解釈性が確認され,ソナー分析のための最適なAI技術が特定されました.

結論:

• 提案されたCAFFとAQUA-Xの枠組みは,ソナー画像の解釈のためのAIの信頼性と透明性を大幅に高めます.
• このアプローチは,現実世界の水中探査とオブジェクト識別のための信頼できるAIソリューションを促進します.
• この研究は,海洋音響などの専門分野における説明可能なAI (XAI) アプリケーションを前進させています.