論文の概要: Global Regular Network for Writer Identification

• arxiv url: http://arxiv.org/abs/2201.05951v1
• Date: Sun, 16 Jan 2022 02:43:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-22 08:58:36.156605
• Title: Global Regular Network for Writer Identification
• Title（参考訳）: 作家識別のためのグローバルレギュラーネットワーク
• Authors: Shiyu Wang
• Abstract要約: 作家識別は偽造検知と法医学に実用的応用がある。 ネットワークは,グローバルな特徴を抽出するための入力としてページ手書きを,ローカル特徴を抽出するための入力として単語手書きを,という2つのブランチで構成されている。 実験は、著者識別分野におけるネットワークの強力な能力を示す。
• 参考スコア（独自算出の注目度）: 0.5330240017302619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Writer identification has practical applications for forgery detection and forensic science. Most models based on deep neural networks extract features from character image or sub-regions in character image, which ignoring features contained in page-region image. Our proposed global regular network (GRN) pays attention to these features. GRN network consists of two branches: one branch takes page handwriting as input to extract global features, and the other takes word handwriting as input to extract local features. Global features and local features merge in a global residual way to form overall features of the handwriting. The proposed GRN has two attributions: one is adding a branch to extract features contained in page; the other is using residual attention network to extract local feature. Experiments demonstrate the effectiveness of both strategies. On CVL dataset, our models achieve impressive 99.98% top-1 accuracy and 100% top-5 accuracy with shorter training time and fewer network parameters, which exceeded the state-of-the-art structure. The experiment shows the powerful ability of the network in the field of writer identification. The source code is available at https://github.com/wangshiyu001/GRN.
• Abstract（参考訳）: 作家識別は偽造検知と法医学に実用的応用がある。 ディープニューラルネットワークに基づくほとんどのモデルは、ページ領域画像に含まれる特徴を無視した文字画像または文字画像のサブ領域から特徴を抽出する。 提案するグローバルレギュラーネットワーク(GRN)は,これらの特徴に注目している。 GRNネットワークは,グローバルな特徴を抽出するための入力としてページ手書きを,ローカル特徴を抽出するための入力としてワード手書きを,という2つのブランチで構成されている。 グローバルな機能とローカルな機能は、グローバルな残留的な方法でマージされ、手書きの全体的な機能を形成する。 提案したGRNには2つの属性がある。1つはページに含まれる特徴を抽出するためにブランチを追加し、もう1つはローカル特徴を抽出するために残留注意ネットワークを使用している。 実験は両方の戦略の有効性を示す。 cvlデータセットでは,トレーニング時間の短縮とネットワークパラメータの削減により,top-1精度99.98%,top-5精度100%を達成している。 この実験は、著者識別分野におけるネットワークの強力な能力を示す。 ソースコードはhttps://github.com/wangshiyu001/grnで入手できる。

関連論文リスト

• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• Domain Decorrelation with Potential Energy Ranking [40.43902519672898]
  textbfPotential textbfEnergy textbfRanking (PoER)を提案する。 PoERは、浅い層にドメイン情報を含むラベル関連機能をニューラルネットワークがキャプチャするのに役立つ。 ドメインベンチマークのパフォーマンスが向上し、既存の手法に比べて平均トップ1の精度が1.20%向上したと報告している。
  論文  参考訳（メタデータ） (2022-07-25T13:33:53Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• PGNet: Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network [54.03560668182197]
  任意形状のテキストをリアルタイムで読み取るための,完全畳み込み点収集ネットワーク(PGNet)を提案する。 PG-CTCデコーダを用いて2次元空間から高レベル文字分類ベクトルを収集し,NMSやRoI操作を使わずにテキストシンボルに復号する。 実験により,提案手法は競争精度が向上し,走行速度が著しく向上することが確認された。
  論文  参考訳（メタデータ） (2021-04-12T13:27:34Z)
• GR-RNN: Global-Context Residual Recurrent Neural Networks for Writer Identification [8.147652597876862]
  本稿では,手書きの単語画像から著者を識別するエンドツーエンドニューラルネットワークシステムを提案する。 グローバルコンテキスト情報は、グローバル平均プーリングステップによってニューラルネットワークの尾部から抽出される。 ローカルおよびフラグメントベースの機能のシーケンスは、低レベルのディープフィーチャーマップから抽出される。
  論文  参考訳（メタデータ） (2021-04-11T15:46:31Z)
• Deep Miner: A Deep and Multi-branch Network which Mines Rich and Diverse Features for Person Re-identification [7.068680287596106]
  Deep Minerは、CNNが人々に関するより豊かで多様な機能を「マイニング」することを可能にする方法です。 これは、最先端(SOTA)再識別法を著しく上回るモデルを生成する。
  論文  参考訳（メタデータ） (2021-02-18T13:30:23Z)
• Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs [54.13919050090926]
  本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。 特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。 抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
  論文  参考訳（メタデータ） (2020-05-15T09:17:08Z)
• Characters as Graphs: Recognizing Online Handwritten Chinese Characters via Spatial Graph Convolutional Network [28.565182625800333]
  文字グラフを効果的に分類するための空間グラフ畳み込みネットワーク(SGCN)を提案する。 我々のSGCNは、空間グラフ畳み込みによって局所的な周辺情報を取り込み、さらに階層的残差構造を用いて大域的な形状特性を学習する。 IAHCC-UCAS2016, ICDAR-2013, UNIPENデータセットの実験は、SGCNが文字認識の最先端手法と同等の認識性能を達成できることを示した。
  論文  参考訳（メタデータ） (2020-04-20T16:12:03Z)
• Dense Residual Network: Enhancing Global Dense Feature Flow for Character Recognition [75.4027660840568]
  本稿では,すべての畳み込み層から階層的特徴をフルに活用することにより,局所的・大域的特徴フローを改善する方法について検討する。 技術的には、テキスト認識のための効率的で効果的なCNNフレームワークであるFDRN(Fast Dense Residual Network)を提案する。
  論文  参考訳（メタデータ） (2020-01-23T06:55:08Z)

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。