Fugu-MT 論文翻訳(概要): Fully-Automatic Pipeline for Document Signature Analysis to Detect Money Laundering Activities

論文の概要: Fully-Automatic Pipeline for Document Signature Analysis to Detect Money Laundering Activities

arxiv url: http://arxiv.org/abs/2107.14091v1
Date: Thu, 29 Jul 2021 15:17:28 GMT
ステータス: 処理完了
システム内更新日: 2021-07-30 16:32:00.994985
Title: Fully-Automatic Pipeline for Document Signature Analysis to Detect Money Laundering Activities
Title（参考訳）: 資金洗浄活動を検出するための文書署名分析のための全自動パイプライン
Authors: Nikhil Woodruff, Amir Enshaei, Bashar Awwad Shiekh Hasan
Abstract要約: 署名抽出とキュレーションの統合パイプラインを提案する。我々は, 信号抽出, フィルタリング, クリーニング, 埋め込みに, 一連の手法, 畳み込みニューラルネットワーク, 生成逆ネットワーク, 畳み込みネットワークを用いる。文書署名解析において,不明瞭な同一著者の署名ペアのマッチングにおけるパイプラインの有効性と,人間のベースラインに対するパイプライン全体の有効性を評価した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Signatures present on corporate documents are often used in investigations of relationships between persons of interest, and prior research into the task of offline signature verification has evaluated a wide range of methods on standard signature datasets. However, such tasks often benefit from prior human supervision in the collection, adjustment and labelling of isolated signature images from which all real-world context has been removed. Signatures found in online document repositories such as the United Kingdom Companies House regularly contain high variation in location, size, quality and degrees of obfuscation under stamps. We propose an integrated pipeline of signature extraction and curation, with no human assistance from the obtaining of company documents to the clustering of individual signatures. We use a sequence of heuristic methods, convolutional neural networks, generative adversarial networks and convolutional Siamese networks for signature extraction, filtering, cleaning and embedding respectively. We evaluate both the effectiveness of the pipeline at matching obscured same-author signature pairs and the effectiveness of the entire pipeline against a human baseline for document signature analysis, as well as presenting uses for such a pipeline in the field of real-world anti-money laundering investigation.
Abstract（参考訳）: 企業文書上に存在する署名は、利害関係者間の関係の調査によく用いられ、オフライン署名検証のタスクに関する先行研究は、標準署名データセットの幅広い方法を評価している。しかしながら、そのようなタスクは、現実世界のコンテキストをすべて取り除いた、独立した署名画像の収集、調整、ラベル付けにおいて、以前の人間の監督の恩恵を受けることが多い。英国会社ハウスのようなオンライン文書リポジトリにある署名には、印紙の下での場所、サイズ、品質、難読度が頻繁に含まれている。企業文書の取得から個々の署名のクラスタリングまで,人間による支援なしに,署名抽出とキュレーションの統合パイプラインを提案する。我々は,複数のヒューリスティックな手法,畳み込みニューラルネットワーク,生成する敵ネットワーク,および畳み込みシームズネットワークを用いて,それぞれ署名抽出,フィルタリング,クリーニング,埋め込みを行う。文書署名解析において,不明瞭な同一著者の署名ペアのマッチングにおけるパイプラインの有効性と,そのパイプライン全体の文書署名解析に対する効果の両立と,実際のマネーロンダリング研究の分野におけるそのようなパイプラインの利用性について検討した。

関連論文リスト

Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文参考訳（メタデータ） (2024-10-03T14:33:34Z)
Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification [11.225067563482169]
銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
論文参考訳（メタデータ） (2024-06-20T14:42:14Z)
Investigating the Common Authorship of Signatures by Off-Line Automatic Signature Verification Without the Use of Reference Signatures [3.3498759480099856]
本稿では,参照シグネチャが存在しない場合に,自動シグネチャ検証の問題に対処する。私たちが探求するシナリオは、同じ著者または複数の署名者によって署名される可能性のある署名のセットで構成されています。オフラインシグネチャの集合の共通オーサシップを自動的に推定する3つの方法について議論する。
論文参考訳（メタデータ） (2024-05-23T10:30:48Z)
On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。衝突環の検出が可能であるという研究はまだ確立されていない。
論文参考訳（メタデータ） (2024-02-12T18:12:09Z)
Securing Deep Generative Models with Universal Adversarial Signature [69.51685424016055]
深い生成モデルは、その潜在的な誤用のために社会に脅威をもたらす。本稿では,任意の事前学習型生成モデルに普遍的逆数シグネチャを注入することを提案する。提案手法は, FFHQ と ImageNet のデータセット上で, 様々な最先端生成モデルを用いて検証する。
論文参考訳（メタデータ） (2023-05-25T17:59:01Z)
FedSOV: Federated Model Secure Ownership Verification with Unforgeable Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文参考訳（メタデータ） (2023-05-10T12:10:02Z)
FedForgery: Generalized Face Forgery Detection with Residual Federated Learning [87.746829550726]
既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
論文参考訳（メタデータ） (2022-10-18T03:32:18Z)
Revealing Reliable Signatures by Learning Top-Rank Pairs [15.582774097442721]
署名検証は重要なドキュメント分析タスクである。著者に依存しないオフライン署名検証タスクに対して,トップランクペア(top-rank pairs)を学習するための新しい手法を提案する。
論文参考訳（メタデータ） (2022-03-17T08:20:19Z)
MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2021-09-15T14:11:53Z)
FCN+RL: A Fully Convolutional Network followed by Refinement Layers to Offline Handwritten Signature Segmentation [3.3144312096837325]
そこで本研究では,手書き署名の画素の識別と抽出を行う手法を提案する。この技術は、完全な畳み込みエンコーダ・デコーダネットワークと、予測された画像のアルファチャネルのための洗練されたレイヤのブロックを組み合わせたものである。
論文参考訳（メタデータ） (2020-05-28T18:47:10Z)
Offline Signature Verification on Real-World Documents [9.271640666465363]
正式な文書から抽出された署名には、スタンプ、会社のシール、支配線、署名ボックスなど、さまざまな種類の隠蔽が含まれている。本稿では,現実の作家によるオフライン署名検証問題に対処し,銀行の顧客の取引要求文書に隠蔽された署名を記載した文書をクリーンリファレンス署名と比較する。提案手法は,CycleGANに基づくスタンプクリーニング法とCNNに基づくシグネチャ表現の2つの主成分からなる。
論文参考訳（メタデータ） (2020-04-25T10:28:03Z)

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。