BriefGPT - AI 论文速递
·
如何设计符合基于机器学习系统的 ODD 的数据集
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究聚焦于基于视觉的着陆任务，展示了符合机器学习系统操作设计领域（ODD）的数据集的设计和验证。通过借鉴新兴的认证标准，我们描述了在系统和图像级别建立 ODDs 的流程。本论文中提出的可复制框架解决了为安全关键应用中基于 ML 的系统认证设计符合严格需求的挑战。
🎯
关键要点
- 本研究聚焦于基于视觉的着陆任务。
- 展示了符合机器学习系统操作设计领域（ODD）的数据集的设计和验证。
- 借鉴新兴的认证标准，描述了在系统和图像级别建立 ODDs 的流程。
- 将高级系统约束转化为可操作的图像级属性，定义可验证的数据质量要求 (DQRs)。
- 使用 Landing Approach Runway Detection (LARD) 数据集，结合合成图像和真实画面。
- 侧重于验证 DQRs 所需的步骤。
- 提出的可复制框架解决了安全关键应用中基于 ML 的系统认证设计的挑战。
➡️
