Die Studie untersucht die Robustheit eines Prototypen eines Runway-Objektklassifizierers von Airbus gegenüber drei gängigen Bildstörungen: Rauschen, Helligkeit und Kontrast. Dazu wird ein formales Verifikationsverfahren verwendet, um die Abwesenheit bestimmter Fehlklassifizierungen zu beweisen.
Die Ergebnisse zeigen, dass der Klassifizierer ähnliche Robustheit gegenüber Kontrast- und Helligkeitsveränderungen aufweist, aber deutlich empfindlicher auf Rauschstörungen reagiert. Dies ist ein beruhigendes Ergebnis, da Kontrast- und Helligkeitsveränderungen stärker mit unvorhersehbaren Betriebsbedingungen, insbesondere im Freien, korreliert sind. Insgesamt demonstriert die Studie den Nutzen und das Potenzial der DNN-Verifikation in der Luftfahrt, das sich leicht auf andere sicherheitskritische Bereiche übertragen lässt.
Um den Verifikationsprozess zu optimieren, wird ein inkrementeller Algorithmus vorgestellt, der die Monotonie der untersuchten Störungen ausnutzt, um die Anzahl der erforderlichen Verifikationsanfragen um fast 60% zu reduzieren.
To Another Language
from source content
arxiv.org
Deeper Inquiries