論文の概要: SVC-onGoing: Signature Verification Competition
- arxiv url: http://arxiv.org/abs/2108.06090v1
- Date: Fri, 13 Aug 2021 06:51:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-16 13:01:38.816239
- Title: SVC-onGoing: Signature Verification Competition
- Title（参考訳）: svc-ongoing: シグネチャ検証競争
- Authors: Ruben Tolosana, Ruben Vera-Rodriguez, Carlos Gonzalez-Garcia, Julian
Fierrez, Aythami Morales, Javier Ortega-Garcia, Juan Carlos Ruiz-Garcia,
Sergio Romero-Tapiador, Santiago Rengifo, Miguel Caruana, Jiajia Jiang,
Songxuan Lai, Lianwen Jin, Yecheng Zhu, Javier Galbally, Moises Diaz, Miguel
Angel Ferrer, Marta Gomez-Barrero, Ilya Hodashinsky, Konstantin Sarin, Artem
Slezkin, Marina Bardamova, Mikhail Svetlakov, Mohammad Saleem, Cintia Lia
Szucs, Bence Kovari, Falk Pulsmeyer, Mohamad Wehbi, Dario Zanca, Sumaiya
Ahmad, Sarthak Mishra, Suraiya Jabin
- Abstract要約: SVC-onGoing is based on ICDAR 2021 Competition on On-Line Signature Verification (SVC 2021)
SVC-onGoingの目標は、一般的なシナリオ(オフィス/モバイル)におけるオンライン署名検証システムの限界を評価し、大規模なパブリックデータベースを通じて入力(スタイラス/フィンガー)を書くことである。
SVC-onGoingで得られた結果は,従来の手法と比較して,ディープラーニング手法の可能性が高いことを証明している。
- 参考スコア（独自算出の注目度）: 29.588285669937388
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This article presents SVC-onGoing, an on-going competition for on-line
signature verification where researchers can easily benchmark their systems
against the state of the art in an open common platform using large-scale
public databases, such as DeepSignDB and SVC2021_EvalDB, and standard
experimental protocols. SVC-onGoing is based on the ICDAR 2021 Competition on
On-Line Signature Verification (SVC 2021), which has been extended to allow
participants anytime. The goal of SVC-onGoing is to evaluate the limits of
on-line signature verification systems on popular scenarios (office/mobile) and
writing inputs (stylus/finger) through large-scale public databases. Three
different tasks are considered in the competition, simulating realistic
scenarios as both random and skilled forgeries are simultaneously considered on
each task. The results obtained in SVC-onGoing prove the high potential of deep
learning methods in comparison with traditional methods. In particular, the
best signature verification system has obtained Equal Error Rate (EER) values
of 3.33% (Task 1), 7.41% (Task 2), and 6.04% (Task 3). Future studies in the
field should be oriented to improve the performance of signature verification
systems on the challenging mobile scenarios of SVC-onGoing in which several
mobile devices and the finger are used during the signature acquisition.
- Abstract（参考訳）: 本稿では,DeepSignDBやSVC2021_EvalDBといった大規模公開データベースや標準実験プロトコルを使用したオープンな共通プラットフォームにおいて,研究者が自身のシステムを最先端技術に対して容易にベンチマークすることができるオンライン署名検証のコンペティションであるSVC-onGoingを紹介する。
SVC-onGoing は ICDAR 2021 Competition on On-Line Signature Verification (SVC 2021) をベースとしている。
SVC-onGoingの目標は、一般的なシナリオ(オフィス/モバイル)におけるオンライン署名検証システムの限界を評価し、大規模なパブリックデータベースを通じて入力(スタイラス/フィンガー)を書くことである。
競技では3つの異なるタスクが考慮され、各タスクにランダムと熟練した偽造が同時に考慮されるように、現実的なシナリオをシミュレートする。
svc-ongoingにより得られた結果は,従来の手法と比較して,深層学習手法の可能性が高いことを証明した。
特に、ベストシグネチャ検証システムは、3.33%(タスク1)、7.41%(タスク2)、6.04%(タスク3)の等しいエラー率(eer)値を得た。
この分野での今後の研究は、署名取得時に複数のモバイルデバイスと指を使用するSVC-onGoingのモバイルシナリオにおいて、署名検証システムの性能向上を目的としている。
関連論文リスト
- Offline Handwritten Signature Verification Using a Stream-Based Approach [7.18805896964466]
署名検証システムは、真と偽の署名を区別する。
従来のHSV開発には静的なバッチ構成が含まれる。
本稿では,無限のシグネチャ列を受信し,時間とともに更新される適応システムを用いた新しいHSV手法を提案する。
論文 参考訳（メタデータ） (2024-11-10T16:16:06Z) - IEEE BigData 2023 Keystroke Verification Challenge (KVC) [14.366081634293721]
本稿では,185,000人以上の被験者からの可変転写テキストのツイート長列として捉えたKeystroke Dynamicsの生体認証性能について考察する。
データは、これまでで最大規模のKDパブリックデータベースの2つから取得されている。
参加者によっていくつかのニューラルアーキテクチャが提案され、それぞれのチームが達成した3.33%と3.61%という世界的平等エラー率(EER)が達成された。
論文 参考訳（メタデータ） (2024-01-29T20:51:42Z) - SemiReward: A General Reward Model for Semi-supervised Learning [58.47299780978101]
半教師付き学習(SSL)は、擬似ラベリングによる自己学習フレームワークの様々な改善により、大きな進歩をみせた。
主な課題は、高品質な擬似ラベルを確認バイアスと区別する方法である。
本稿では、報酬スコアを予測して高品質な擬似ラベルを評価・フィルタリングするセミ教師付きリワードフレームワーク(SemiReward)を提案する。
論文 参考訳（メタデータ） (2023-10-04T17:56:41Z) - Fast on-line signature recognition based on VQ with time modeling [0.0]
本稿では,オンライン署名認識のための多区間ベクトル量子化手法を提案する。
MCYTデータベースは,5人のインポスタが実施した330ユーザと25人の熟練したフォージェリーで構成されている。
論文 参考訳（メタデータ） (2022-03-23T00:04:27Z) - Complete Agent-driven Model-based System Testing for Autonomous Systems [0.0]
複雑な自律輸送システムをテストするための新しいアプローチについて述べる。
検証と検証に関して最も重大な問題のいくつかを軽減することを目的としている。
論文 参考訳（メタデータ） (2021-10-25T01:55:24Z) - S3PRL-VC: Open-source Voice Conversion Framework with Self-supervised
Speech Representations [124.2620985250939]
本稿では,S3PRLツールキットに基づくオープンソースの音声変換フレームワークであるS3PRL-VCを紹介する。
本稿では,VCC 2020における2つのタスクのベンチマークにより,一連の詳細な分析を行う。
S3Rは、A2O設定におけるVCC 2020トップシステムと類似性、およびS3RベースのA2AVCにおける最先端技術に匹敵することを示している。
論文 参考訳（メタデータ） (2021-10-12T19:01:52Z) - VisDA-2021 Competition Universal Domain Adaptation to Improve
Performance on Out-of-Distribution Data [64.91713686654805]
Visual Domain Adaptation (VisDA) 2021コンペティションは、新しいテストディストリビューションに適応するモデルの能力をテストする。
我々は,新しい視点,背景,モダリティ,品質劣化への適応性を評価する。
厳密なプロトコルを使用してパフォーマンスを計測し、最先端のドメイン適応手法と比較する。
論文 参考訳（メタデータ） (2021-07-23T03:21:51Z) - Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
論文 参考訳（メタデータ） (2021-06-14T11:30:19Z) - ICDAR 2021 Competition on On-Line Signature Verification [29.8436776061712]
SVC 2021の目標は、一般的なシナリオにおけるオンライン署名検証システムの限界を評価することである。
SVC 2021で得られた結果は、ディープラーニング手法の可能性が高いことを証明している。
論文 参考訳（メタデータ） (2021-06-01T19:33:46Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z)
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。