自動運転車の視界から“人だけ”を消す攻撃 偽情報をLiDARに注入 電通大などが発表
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米ミシガン大学、米フロリダ大学、電気通信大学による研究チームが発表した論文「You Can’t See Me: Physical Removal Attacks on LiDAR-based Autonomous Vehicles Driving Frameworks」は、自動運転車の周囲を検知するセンサーにレーザー光を物理的に照射して、選択的に障害物を見えなくする攻撃を提案した研究報告だ。偽の情報を注入するスプーフィング攻撃で自動運転車の物体検出モデルに影響を与え安全を脅かす。 自動運転車の知覚システムは、LiDARやカメラ、レーダーなどのセンサーを活用して、障害物回避やナビゲーション制
局外パラメータを消す方法 - Triad sou.
最近勉強していると、必ずこの問題にぶつかるので、今のうちに整理しておこうと思う。 ここで、統計モデル \[ f(\mathbf{Y} \mid \boldsymbol{\theta}, \boldsymbol{\phi}), \] を考えよう ($\mathbf{Y}, \boldsymbol{\theta}, \boldsymbol{\phi}$ は全てベクトルとしておく)。 この統計モデルには、推定したい (もしくは最低限これは知っておきたい) パラメータ $\boldsymbol{\theta}$ と、興味がない (推定は諦めてもよい) 局外パラメータ $\boldsymbol{\phi}$ があるとする。 このような場合に、局外パラメータが推定したいパラメータに悪影響を及ぼすという事はよく知られている *1。 とりあえず色々な方法があるので、それをまとめてみようというお話。 普通の
統計的学習理論と正則化に関するちょっと数理的な基礎 - 横須賀の某Prisonで働く研究者？のブログ
今回は機械学習でよく出てくる正則化の数理的基礎についてまとめたいと思います． ちょっと数理的なお話が多くなりますが， 大学院に居たときも今の職場で話しているときにも，この辺の事を理解している人は意外と多くないのかなと思ったので， 記事にしてみました． なお，本記事の内容の大部分は 金森敬文. (2015). 統計的学習理論 (機械学習プロフェッショナルシリーズ). を参考に書いています． 一般的な学習理論のお話 回帰にしろ分類にしろ，機械学習の理論はある程度統一的に扱うことが出来ます． 目的変数$y$が離散変数であれば分類問題になりますし，連続変数であれば回帰になります． ここでは，回帰・分類を統一的に扱い，学習理論一般に関する説明を少しだけしたいと思います． 入力ベクトルを$\boldsymbol{X}\in \mathcal{X} \subset \mathbb{R}^d$， 目的変数
黒執事ロゴフォントのエレメント作ってみた | YLCL -ユリクリ-
黒執事ロゴ、ゴシック調の変わった書体ですが、いまいち情報が少ない、、 英字は槍フォントとしてすぐに情報が出るのですが、それよりも！それよりも気になるのは漢字だろ！ という思いがとまりません。 それならば！ ということで漢字のエレメントを作ってみました。 フォントのエレメントとは こちらのモリサワフォントのページを御覧ください。 一書体に共通した各部のデザインを「エレメント」といいます。いわば骨格に対しての「肉づけ」の表現にあたるもので、運筆の勢いや動きが表現されているもの、デザイン的に処理されているものなど書体によってさまざまです。 骨格とエレメント | フォント製品 | 株式会社モリサワ ほう。 要するにエレメントを組み合わせて、微調整を加えればフォントが作れるということですか。 ならば話は簡単、早速それを作りましょう！ 作ってみました 出来ました。 黒執事のロゴの他、カバーを外した中表
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
