論文の概要: Real-time information retrieval from Identity cards
- arxiv url: http://arxiv.org/abs/2003.12103v1
- Date: Thu, 26 Mar 2020 18:37:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 21:58:15.180239
- Title: Real-time information retrieval from Identity cards
- Title(参考訳): idカードからのリアルタイム情報検索
- Authors: Niloofar Tavakolian, Azadeh Nazemi, Donal Fitzpatrick
- Abstract要約: 本稿では,識別カード(ID)の旅路における最先端手法を提案する。
実験の結果,従来の手法ではなく,EAST(Efficient and Accurate Scene Text)検出器やディープニューラルネットワーク(Deep Neural Network,DNN)などの深層学習に基づく手法を顔検出に活用することが証明された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Information is frequently retrieved from valid personal ID cards by the
authorised organisation to address different purposes. The successful
information retrieval (IR) depends on the accuracy and timing process. A
process which necessitates a long time to respond is frustrating for both sides
in the exchange of data. This paper aims to propose a series of
state-of-the-art methods for the journey of an Identification card (ID) from
the scanning or capture phase to the point before Optical character recognition
(OCR). The key factors for this proposal are the accuracy and speed of the
process during the journey. The experimental results of this research prove
that utilising the methods based on deep learning, such as Efficient and
Accurate Scene Text (EAST) detector and Deep Neural Network (DNN) for face
detection, instead of traditional methods increase the efficiency considerably.
- Abstract(参考訳): 情報はしばしば、認可された組織によって有効な個人IDカードから取得され、異なる目的に対処する。
成功情報検索(IR)は、精度とタイミングのプロセスに依存する。
データの交換において、応答に長時間を要するプロセスは、双方にとってフラストレーションとなる。
本稿では,識別カード(ID)を走査・キャプチャフェーズから光学文字認識(OCR)以前の点まで,一連の最先端手法を提案する。
この提案の鍵となる要素は、旅中のプロセスの正確性と速度である。
本研究の実験的結果は,従来の手法に代えて,EAST(Efficient and Accurate Scene Text)検出器やディープニューラルネットワーク(Deep Neural Network, DNN)などの深層学習に基づく手法を顔検出に活用することが証明された。
関連論文リスト
- Billet Number Recognition Based on Test-Time Adaptation [3.663302839754229]
本稿では,テスト時間適応と事前知識を統合するビレット数認識手法を提案する。
機械印刷ビレット数と手書きビレット数の両方を含む実際のデータセットの実験結果から,評価指標の大幅な改善が示された。
論文 参考訳(メタデータ) (2025-02-13T07:31:03Z) - FRIDAY: Mitigating Unintentional Facial Identity in Deepfake Detectors Guided by Facial Recognizers [16.702284414478292]
従来のディープフェイク検出方法はトレーニング領域内では良好に機能するが、新しい合成技術によってその効果は著しく低下する。
近年の研究では、検出モデルが合成人工物ではなく、顔の同一性に基づく決定境界をしばしば生成していることが判明している。
本稿では,顔認識による顔認証の影響を緩和する新たな訓練手法であるFRIDAY(Falcial Recognition Identity Attenuation)を提案する。
論文 参考訳(メタデータ) (2024-12-19T08:21:28Z) - UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳(メタデータ) (2024-07-26T20:51:54Z) - IDTrust: Deep Identity Document Quality Detection with Bandpass
Filtering [0.5542462410129538]
IDTrustは、深層学習に基づくアプローチを用いて、識別文書の品質を高めるシステムである。
バンドパスフィルタリングに基づく手法を用いて,IDの品質を効果的に検出し,識別することを目的とする。
論文 参考訳(メタデータ) (2024-03-01T14:53:31Z) - CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。
既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。
顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文 参考訳(メタデータ) (2023-09-30T12:30:25Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳(メタデータ) (2021-11-09T13:30:34Z) - Learning Instance-level Spatial-Temporal Patterns for Person
Re-identification [80.43222559182072]
本稿では,Re-IDの精度を向上させるために,新しいインスタンスレベルおよび時空間ディスタングル型Re-ID法を提案する。
提案フレームワークでは,移動方向などのパーソナライズされた情報を探索空間をさらに狭めるため,明示的に検討している。
提案手法は市場1501で90.8%,DukeMTMC-reIDで89.1%,ベースライン82.2%,72.7%から改善した。
論文 参考訳(メタデータ) (2021-07-31T07:44:47Z) - Identity-Driven DeepFake Detection [91.0504621868628]
アイデンティティ駆動のDeepFake Detectionは、被疑者画像/ビデオとターゲットのアイデンティティ情報を入力する。
被疑者画像・映像の同一性は対象人物と同一かという判断を出力する。
本稿では,新たな研究のベースラインとして,簡単な識別ベース検出アルゴリズムであるouterfaceを提案する。
論文 参考訳(メタデータ) (2020-12-07T18:59:08Z) - Digit Recognition Using Convolution Neural Network [0.0]
本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。
パスワード、銀行小切手などの数字認識の応用により、有効なユーザ識別が認識される。
本研究の主な目的は、畳み込みニューラルネットワーク(CNN)を用いて、99.15%の精度を得ることである。
論文 参考訳(メタデータ) (2020-04-01T10:41:57Z) - Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。
2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。
提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
論文 参考訳(メタデータ) (2020-03-18T06:11:20Z) - ROSE: Real One-Stage Effort to Detect the Fingerprint Singular Point
Based on Multi-scale Spatial Attention [7.711679004460418]
本稿では,指紋特異点をより高精度かつ効率的に検出するためのリアルワンステージ評価法を提案する。
本稿では,マルチスケール空間アテンション,ガウス熱マップ,焦点損失の変種を併用した提案アルゴリズム ROSE を簡潔に命名する。
FVC2002 DB1 と NIST SD4 による実験結果から,ROSE は検出速度,誤警報速度,検出速度において最先端のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-03-09T04:16:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。