基于熵的视觉解释 PEEK 透视 YOLOv5 用于卫星部件识别
计算机视觉与模式识别
2023-11-28 v2 信息论
math.IT
摘要
由于航天器数量不断增加，近地轨道（LEO）中碰撞风险上升与空间碎片累积已达到严重关切。应对这一危机，尤其在处理非合作与未识别空间碎片方面，至关重要。本文致力于使自主小型追逐卫星群能够在 LEO 中执行目标几何确定与安全飞行轨迹规划以进行临近操作。我们的研究探索了在轨使用 You Only Look Once v5（YOLOv5）目标检测模型，该模型经训练用于检测卫星部件。尽管该模型展现出前景，但其固有的可解释性缺失阻碍了人类理解，而这是验证算法用于安全关键任务的关键方面。为分析决策过程，我们引入基于熵知识提取的概率解释（PEEK），一种利用模型隐藏层内潜表示的信息论分析的方法。通过硬件在环合成实验，PEEK 阐明了模型的决策过程，有助于识别其优势、局限与偏差。
引用
@article{arxiv.2311.01703,
title = {Taking a PEEK into YOLOv5 for Satellite Component Recognition via Entropy-based Visual Explanations},
author = {Mackenzie J. Meni and Trupti Mahendrakar and Olivia D. M. Raney and Ryan T. White and Michael L. Mayo and Kevin Pilkiewicz},
journal= {arXiv preprint arXiv:2311.01703},
year = {2023}
}