論文の概要: SWIS: Self-Supervised Representation Learning For Writer Independent Offline Signature Verification

• arxiv url: http://arxiv.org/abs/2202.13078v1
• Date: Sat, 26 Feb 2022 06:33:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 15:43:38.307664
• Title: SWIS: Self-Supervised Representation Learning For Writer Independent Offline Signature Verification
• Title（参考訳）: SWIS:独立系オフライン署名検証のための自己監督型表現学習
• Authors: Siladittya Manna, Soumitri Chattopadhyay, Saumik Bhattacharya and Umapada Pal
• Abstract要約: ライター独立のオフライン署名検証は、パターン認識において最も難しいタスクの1つである。 著者独立型オフライン署名検証のための自己教師型学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 16.499360910037904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Writer independent offline signature verification is one of the most challenging tasks in pattern recognition as there is often a scarcity of training data. To handle such data scarcity problem, in this paper, we propose a novel self-supervised learning (SSL) framework for writer independent offline signature verification. To our knowledge, this is the first attempt to utilize self-supervised setting for the signature verification task. The objective of self-supervised representation learning from the signature images is achieved by minimizing the cross-covariance between two random variables belonging to different feature directions and ensuring a positive cross-covariance between the random variables denoting the same feature direction. This ensures that the features are decorrelated linearly and the redundant information is discarded. Through experimental results on different data sets, we obtained encouraging results.
• Abstract（参考訳）: writer独立オフラインシグネチャ検証は、しばしばトレーニングデータが少ないため、パターン認識において最も難しいタスクの1つです。 このようなデータ不足問題に対処するため,本稿では,独立したオフライン署名検証を行うための自己教師付き学習(SSL)フレームワークを提案する。 私たちの知る限りでは、シグネチャ検証タスクに自己監督設定を利用する最初の試みです。 署名画像からの自己教師表現学習の目的は、異なる特徴方向に属する2つの確率変数間の相互共分散を最小化し、同じ特徴方向を示す確率変数間の正の相互共分散を確保することである。 これにより、特徴が線形に非相関であり、冗長な情報が破棄されることが保証される。 異なるデータセットに対する実験結果から,奨励的な結果を得た。

関連論文リスト

• Offline Signature Verification Based on Feature Disentangling Aided Variational Autoencoder [6.128256936054622]
  シグネチャ検証システムの主なタスクは、シグネチャ画像から特徴を抽出し、分類のための分類器を訓練することである。 署名検証モデルがトレーニングされている場合、熟練した偽造の例は、しばしば利用できない。 本稿では, 可変オートエンコーダ(VAE)を用いて, 署名画像から直接特徴を抽出する新しい署名検証手法を提案する。
  論文  参考訳（メタデータ） (2024-09-29T19:54:47Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• A Confidence-based Acquisition Model for Self-supervised Active Learning and Label Correction [6.377334634656281]
  逐次マルチアウトプット問題に適したプールベースのアクティブラーニングフレームワークであるCAMELを提案する。 専門家アノテータは選択されたシーケンスのごく一部だけをラベル付けする必要がある。 ラベル補正機構をデプロイすることで、CAMELをデータクリーニングにも利用することができる。
  論文  参考訳（メタデータ） (2023-10-13T08:19:31Z)
• CSSL-RHA: Contrastive Self-Supervised Learning for Robust Handwriting Authentication [23.565017967901618]
  本稿では,ロバスト手書き認証のためのコントラスト型自己監督学習フレームワークを提案する。 複雑だが重要な特徴を動的に学習し、作者の身元を正確に予測することができる。 提案モデルでは,データ改ざんや汚損などの異常な状況下においても,認証を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-07-18T02:20:46Z)
• Label Matching Semi-Supervised Object Detection [85.99282969977541]
  半教師対象検出は,教師主導型自己学習の開発において大きな進歩を遂げている。 ラベルミスマッチ問題は、以前の研究でまだ完全に解明されていないため、自己学習中に重大な確証バイアスが生じる。 本稿では,2つの異なる相補的視点から,単純かつ効果的な LabelMatch フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-14T05:59:41Z)
• SURDS: Self-Supervised Attention-guided Reconstruction and Dual Triplet Loss for Writer Independent Offline Signature Verification [16.499360910037904]
  オフライン署名検証(英: Offline Signature Verification、OSV)は、法学、商業、法学の様々な分野における基本的な生体計測の課題である。 著者に依存しないOSVにおける自己教師付き表現学習とメートル法学習を活用する2段階のディープラーニングフレームワークを提案する。 提案したフレームワークは2つのオフライン署名データセットで評価され、様々な最先端の手法と比較されている。
  論文  参考訳（メタデータ） (2022-01-25T07:26:55Z)
• Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
  本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。 これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。 提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
  論文  参考訳（メタデータ） (2021-01-16T07:31:00Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)
• Learning What Makes a Difference from Counterfactual Examples and Gradient Supervision [57.14468881854616]
  ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。 我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。 このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2020-04-20T02:47:49Z)

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。