論文の概要: TAMPAR: Visual Tampering Detection for Parcel Logistics in Postal Supply Chains

• arxiv url: http://arxiv.org/abs/2311.03124v1
• Date: Mon, 6 Nov 2023 14:19:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 14:12:04.651773
• Title: TAMPAR: Visual Tampering Detection for Parcel Logistics in Postal Supply Chains
• Title（参考訳）: TAMPAR:ポストサプライチェーンにおけるパーセルロジスティックスの視触覚検出
• Authors: Alexander Naumann, Felix Hertlein, Laura D\"orr, Kai Furmans
• Abstract要約: 本研究では,1枚のRGB画像のみを撮影・比較する,ユースケースのラストマイルデリバリに注目した。 そこで本研究では,キーポイント検出を用いてパーセルの8つの角点を同定する改ざん検出パイプラインを提案する。 複数の古典的および深層学習に基づく変化検出手法による実験を行う。
• 参考スコア（独自算出の注目度）: 45.62331048595689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the steadily rising amount of valuable goods in supply chains, tampering detection for parcels is becoming increasingly important. In this work, we focus on the use-case last-mile delivery, where only a single RGB image is taken and compared against a reference from an existing database to detect potential appearance changes that indicate tampering. We propose a tampering detection pipeline that utilizes keypoint detection to identify the eight corner points of a parcel. This permits applying a perspective transformation to create normalized fronto-parallel views for each visible parcel side surface. These viewpoint-invariant parcel side surface representations facilitate the identification of signs of tampering on parcels within the supply chain, since they reduce the problem to parcel side surface matching with pair-wise appearance change detection. Experiments with multiple classical and deep learning-based change detection approaches are performed on our newly collected TAMpering detection dataset for PARcels, called TAMPAR. We evaluate keypoint and change detection separately, as well as in a unified system for tampering detection. Our evaluation shows promising results for keypoint (Keypoint AP 75.76) and tampering detection (81% accuracy, F1-Score 0.83) on real images. Furthermore, a sensitivity analysis for tampering types, lens distortion and viewing angles is presented. Code and dataset are available at https://a-nau.github.io/tampar.
• Abstract（参考訳）: サプライチェーンで価値ある商品が着実に増加する中、小包の改ざん検出がますます重要になっている。 本研究では,1枚のRGB画像のみを撮り,既存のデータベースからの参照と比較して,改ざんを示す可能性のある外観変化を検出する,ユースケースのラストマイル配信に注目した。 そこで本研究では,キーポイント検出を用いて小包の8つの角点を識別する改ざん検出パイプラインを提案する。 これにより、視界変換を適用して、各可視的なパーセルサイドサーフェスに対して正規化されたフロント並列ビューを作成することができる。 これらの視点不変なパーセル側面表現は、ペアワイズな外観変化検出と一致するパーセル側面の問題を減らすため、サプライチェーン内のパーセルに改ざんする兆候の識別を容易にする。 複数の古典的および深層学習に基づく変化検出手法を用いた実験を,新たに収集した PARcels 用 TAMpering 検出データセットである TAMPAR を用いて行った。 キーポイントと変更検出を別々に評価し,改ざん検出のための統一システムを提案する。 実画像におけるキーポイント(キーポイントAP 75.76)とタンパ検出(81%精度、F1スコア0.83)の有望な結果を示す。 さらに, 改ざんタイプ, レンズ歪み, 視角に対する感度解析を行った。 コードとデータセットはhttps://a-nau.github.io/tamparで入手できる。

関連論文リスト

• A Two-Stage Dual-Path Framework for Text Tampering Detection and Recognition [12.639006068141528]
  深層学習の出現前は,文書改ざん検出は困難であった。 深層学習に基づくテキスト改ざん検出の分野でいくつかの探究を行った。 我々のPsタンパー検出法は,機能アシスト,監査点位置決め,タンパー認識の3段階を含む。
  論文  参考訳（メタデータ） (2024-02-21T05:54:42Z)
• From Saliency to DINO: Saliency-guided Vision Transformer for Few-shot Keypoint Detection [36.9781808268263]
  FSKD(Few-shot Keypoint Detection)は、参照サンプルに応じて、新規またはベースキーポイントを含むキーポイントをローカライズする。 FSKDは、ユビキタスノイズと曖昧な局所パターンを克服するために、キーポイント類似性学習に意味論的に意味のある関係を必要とする。 数発のキーポイント検出のための新しいサリエンシ誘導型視覚変換器であるSalViTを提案する。
  論文  参考訳（メタデータ） (2023-04-06T15:22:34Z)
• Enhancing Deformable Local Features by Jointly Learning to Detect and Describe Keypoints [8.390939268280235]
  局所特徴抽出は、画像マッチングや検索といった重要なタスクに対処するためのコンピュータビジョンにおける標準的なアプローチである。 鍵点を共同で検出・記述する新しい変形認識ネットワークであるDALFを提案する。 提案手法は、変形可能なオブジェクト検索と、非剛性な3次元表面登録という、2つの実世界のアプリケーションの性能を向上させる。
  論文  参考訳（メタデータ） (2023-04-02T18:01:51Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Solving Missing-Annotation Object Detection with Background Recalibration Loss [49.42997894751021]
  本稿では,新しい,かつ困難な検出シナリオに焦点を当てる。 真のオブジェクト/インスタンスの大部分は,データセットにラベル付けされていない。 従来, ソフトサンプリングを用いて, 正の例と重なり合うRoIsの勾配を再重み付けする手法が提案されてきた。 本稿では、予め定義されたIoU閾値と入力画像に基づいて損失信号を自動的に校正できる、バックグラウンド校正損失(BRL)と呼ばれる優れた解を提案する。
  論文  参考訳（メタデータ） (2020-02-12T23:11:46Z)
• Object Detection as a Positive-Unlabeled Problem [78.2955013126312]
  本稿では,未ラベル領域が負でなければならないという仮定を排除し,対象検出を正の未ラベル(PU)問題として扱うことを提案する。 提案するPU分類の損失は, PASCAL VOCやMS COCO, Visual GenomeやDeepLesionなど, ラベルの欠如により, 標準的なPN損失よりも優れていた。
  論文  参考訳（メタデータ） (2020-02-11T20:49:34Z)

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。