論文の概要: Fast on-line signature recognition based on VQ with time modeling

• arxiv url: http://arxiv.org/abs/2203.12104v1
• Date: Wed, 23 Mar 2022 00:04:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 14:08:02.153699
• Title: Fast on-line signature recognition based on VQ with time modeling
• Title（参考訳）: 時間モデルを用いたVQに基づく高速オンライン署名認識
• Authors: Juan-Manuel Pascual-Gaspar, Marcos Faundez-Zanuy, Carlos Vivaracho
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a multi-section vector quantization approach for on-line signature recognition. We have used the MCYT database, which consists of 330 users and 25 skilled forgeries per person performed by 5 different impostors. This database is larger than those typically used in the literature. Nevertheless, we also provide results from the SVC database. Our proposed system outperforms the winner of SVC with a reduced computational requirement, which is around 47 times lower than DTW. In addition, our system improves the database storage requirements due to vector compression, and is more privacy-friendly as it is not possible to recover the original signature using the codebooks. Experimental results with MCYT provide a 99.76% identification rate and 2.46% EER (skilled forgeries and individual threshold). Experimental results with SVC are 100% of identification rate and 0% (individual threshold) and 0.31% (general threshold) when using a two-section VQ approach.
• Abstract（参考訳）: 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。 このデータベースは、通常文献で使用されるものよりも大きい。 それでも、SVCデータベースの結果も提供します。 提案システムは,DTWの約47倍の計算量で,SVCの勝者よりも優れていた。 さらに,本システムでは,ベクトル圧縮によるデータベースストレージの要件を改良し,コードブックを用いて元の署名を復元できないため,よりプライバシーに配慮した。 MCYTの実験結果は99.76%の識別率と2.46%のEER(熟練した偽造品と個々の閾値)を提供する。 SVCを用いた実験では,2分割VQ法では100%の識別率,0%(個人平均閾値),0.31%(一般閾値)が得られた。

関連論文リスト

• Decorrelating Structure via Adapters Makes Ensemble Learning Practical for Semi-supervised Learning [50.868594148443215]
  コンピュータビジョンでは、従来のアンサンブル学習法は訓練効率が低いか、限られた性能を示す。 本稿では,視覚的タスクに適応器を用いたDecorrelating Structure(DSA)による軽量,損失関数なし,アーキテクチャに依存しないアンサンブル学習を提案する。
  論文  参考訳（メタデータ） (2024-08-08T01:31:38Z)
• Semi-Parametric Retrieval via Binary Token Index [71.78109794895065]
  Semi-parametric Vocabulary Disentangled Retrieval (SVDR) は、新しい半パラメトリック検索フレームワークである。 既存のニューラル検索手法に似た、高い有効性のための埋め込みベースのインデックスと、従来の用語ベースの検索に似た、迅速かつ費用対効果の高いセットアップを可能にするバイナリトークンインデックスの2つのタイプをサポートする。 埋め込みベースインデックスを使用する場合の高密度検索器DPRよりも3%高いトップ1検索精度と、バイナリトークンインデックスを使用する場合のBM25よりも9%高いトップ1検索精度を実現する。
  論文  参考訳（メタデータ） (2024-05-03T08:34:13Z)
• Offline Handwriting Signature Verification: A Transfer Learning and Feature Selection Approach [4.395397502990339]
  目的は、提供された手書き署名の真偽を確認し、真偽と偽造された署名を区別することである。 この問題には金融、法的文書、セキュリティなど多くの分野の応用がある。 我々は、420人の個人から12600枚の画像の大規模なデータセットを収集し、それぞれが特定の種類の署名を30個持っている。 その後の段階では、MobileNetV2というディープラーニングモデルを用いて、各画像から最高の特徴を抽出した。
  論文  参考訳（メタデータ） (2024-01-05T10:55:20Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)
• Improving Presentation Attack Detection for ID Cards on Remote Verification Systems [2.0305676256390934]
  本稿では,IDカードの遠隔生体認証システムのための2段階のエンドツーエンド提示検出手法を提案する。 提案は、実例190,000のチリのIDカードイメージからなるデータベースを使用して、第三者企業の支援により開発された。 本手法は2つの畳み込みニューラルネットワークを個別にトレーニングし,それぞれ1.69%,2.36%のIDカード攻撃でBPCERtextsubscript100スコアに達した。
  論文  参考訳（メタデータ） (2023-01-23T16:59:26Z)
• ECG Biometric Recognition: Review, System Proposal, and Benchmark Evaluation [0.0]
  我々は、ECGバイオメトリック認識における様々なシナリオの分析と比較を行う。 我々は、社内の大規模データベースでトレーニングされた堅牢なディープラーニング技術であるECGXtractorを提案する。 システムの性能を4つの異なるデータベースで評価する。
  論文  参考訳（メタデータ） (2022-04-08T10:53:11Z)
• SVC-onGoing: Signature Verification Competition [29.588285669937388]
  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。
  論文  参考訳（メタデータ） (2021-08-13T06:51:32Z)
• When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
  正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。 精度を向上させるために,2つの軽量モジュールを提案する。 DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。 QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-05-27T13:51:42Z)
• Exploring Deep Learning for Joint Audio-Visual Lip Biometrics [54.32039064193566]
  音声視覚(AV)リップバイオメトリックスは、音声通信における音声と視覚の両方の利点を利用する有望な認証技術である。 大規模なAVデータベースの欠如は、ディープラーニングベースのオーディオビジュアルリップバイオメトリックの探索を妨げる。 我々は、畳み込みニューラルネットワーク(CNN)ベースのビデオモジュール、時間遅延ニューラルネットワーク(TDNN)ベースのオーディオモジュール、マルチモーダル融合モジュールで実現されたDeepLip AVリップバイオメトリックスシステムを確立する。
  論文  参考訳（メタデータ） (2021-04-17T10:51:55Z)
• Intrapersonal Parameter Optimization for Offline Handwritten Signature Augmentation [17.11525750244627]
  本稿では,最も一般的なライターの変動特性を自動的にモデル化する手法を提案する。 この方法は、画像と特徴空間のオフラインシグネチャを生成し、ASVSを訓練するために使われる。 我々は、よく知られた3つのオフライン署名データセットを用いて、ASVSの性能を生成されたサンプルで評価する。
  論文  参考訳（メタデータ） (2020-10-13T19:54:02Z)
• Differentiable Reasoning over a Virtual Knowledge Base [156.94984221342716]
  コーパスを仮想知識ベース(KB)として,複雑なマルチホップ質問に答えるタスクについて検討する。 特に、コーパス内のエンティティの参照間の関係の経路をソフトに追従し、KBのようにテキストデータをトラバースするDrKITについて述べる。 DrKITは非常に効率的で、既存のマルチホップシステムよりも毎秒10-100倍のクエリを処理する。
  論文  参考訳（メタデータ） (2020-02-25T03:13:32Z)

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。