論文の概要: SigScatNet: A Siamese + Scattering based Deep Learning Approach for
Signature Forgery Detection and Similarity Assessment
- arxiv url: http://arxiv.org/abs/2311.05579v1
- Date: Thu, 9 Nov 2023 18:38:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 14:16:07.243639
- Title: SigScatNet: A Siamese + Scattering based Deep Learning Approach for
Signature Forgery Detection and Similarity Assessment
- Title（参考訳）: SigScatNet: 署名偽造検出と類似性評価のためのシームズ+散乱に基づくディープラーニングアプローチ
- Authors: Anmol Chokshi, Vansh Jain, Rajas Bhope, Sudhir Dhage
- Abstract要約: 本稿では,偽造署名の急増に対処する革新的なソリューションであるSigScatNetを紹介する。
Scattering Waveletによって強化されたシームズディープラーニングネットワークは、シグネチャの偽造を検知し、シグネチャ類似性を評価するために使用される。
実験では、SigScatNetは、ICDAR SigCompのオランダのデータセットで3.689%、CEDARのデータセットで0.0578%の非同値のEqual Error Rateが得られる。
- 参考スコア（独自算出の注目度）: 1.474723404975345
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The surge in counterfeit signatures has inflicted widespread inconveniences
and formidable challenges for both individuals and organizations. This
groundbreaking research paper introduces SigScatNet, an innovative solution to
combat this issue by harnessing the potential of a Siamese deep learning
network, bolstered by Scattering wavelets, to detect signature forgery and
assess signature similarity. The Siamese Network empowers us to ascertain the
authenticity of signatures through a comprehensive similarity index, enabling
precise validation and comparison. Remarkably, the integration of Scattering
wavelets endows our model with exceptional efficiency, rendering it light
enough to operate seamlessly on cost-effective hardware systems. To validate
the efficacy of our approach, extensive experimentation was conducted on two
open-sourced datasets: the ICDAR SigComp Dutch dataset and the CEDAR dataset.
The experimental results demonstrate the practicality and resounding success of
our proposed SigScatNet, yielding an unparalleled Equal Error Rate of 3.689%
with the ICDAR SigComp Dutch dataset and an astonishing 0.0578% with the CEDAR
dataset. Through the implementation of SigScatNet, our research spearheads a
new state-of-the-art in signature analysis in terms of EER scores and
computational efficiency, offering an advanced and accessible solution for
detecting forgery and quantifying signature similarities. By employing
cutting-edge Siamese deep learning and Scattering wavelets, we provide a robust
framework that paves the way for secure and efficient signature verification
systems.
- Abstract（参考訳）: 偽造署名の急増は、個人と組織双方にとって広範な不便さと恐ろしい挑戦を引き起こしている。
SigScatNetは、Scattering Waveletによって強化されたシームズ深層学習ネットワークのポテンシャルを利用して、署名偽造を検出し、署名類似性を評価することによってこの問題に対処する革新的なソリューションである。
siamese networkは、包括的な類似性インデックスを通じて署名の真正性を確認する権限を与え、正確な検証と比較を可能にします。
注目すべきは、Scattering Waveletの統合は、我々のモデルに例外的な効率を付与し、コスト効率の良いハードウェアシステムでシームレスに動作するのに十分な軽量化を可能にします。
提案手法の有効性を検証するため, ICDAR SigComp Dutch データセットと CEDAR データセットの2つのオープンソースデータセットに対して広範な実験を行った。
実験の結果,提案したSigScatNetの実用性と再帰的な成功を示し,IDDAR SigComp Dutch データセットでは3.689%,CEDAR データセットでは0.0578%となった。
SigScatNetの実装を通じて、EERスコアと計算効率の観点から、署名分析の新たな最先端を先導し、偽造を検知し、署名類似性を定量化する高度なソリューションを提供する。
最先端のシアム深層学習と散乱ウェーブレットを用いることで、安全かつ効率的なシグネチャ検証システムへの道を開くロバストなフレームワークを提供する。
関連論文リスト
- Efficient Algorithm Level Error Detection for Number-Theoretic Transform Assessed on FPGAs [2.156170153103442]
本稿ではNTT乗算におけるアルゴリズムレベルの故障検出手法を提案する。
本研究は, 故障モデルのシミュレーションにより評価し, 結果が正確に反映されていることを確認した。
従来のハードウェア実装と比較して、9%の領域増加と13%のレイテンシ増加で、同等のスループットを実現しています。
論文 参考訳（メタデータ） (2024-03-02T14:05:56Z) - TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳（メタデータ） (2024-02-16T16:41:14Z) - Empowering HWNs with Efficient Data Labeling: A Clustered Federated
Semi-Supervised Learning Approach [2.046985601687158]
CFL(Clustered Federated Multitask Learning)は,統計的課題を克服するための効果的な戦略として注目されている。
本稿では,より現実的なHWNシナリオ用に設計された新しいフレームワークであるClustered Federated Semi-Supervised Learning (CFSL)を紹介する。
その結果,ラベル付きデータとラベル付きデータの比率が異なる場合,CFSLはテスト精度,ラベル付け精度,ラベル付け遅延などの重要な指標を著しく改善することがわかった。
論文 参考訳（メタデータ） (2024-01-19T11:47:49Z) - Deep Generative Attacks and Countermeasures for Data-Driven Offline Signature Verification [2.0368479127360093]
本研究では,データ駆動型オフライン署名検証(DASV)システムの生成攻撃に対する脆弱性について検討する。
本稿では,DASVシステムに挑戦する誤認識シグネチャを作成する上で,VAE(Variversaational Autoencoders)とCGAN(Conditional Generative Adrial Networks)の有効性について検討する。
論文 参考訳（メタデータ） (2023-12-02T00:58:34Z) - Exploration and Exploitation of Unlabeled Data for Open-Set
Semi-Supervised Learning [130.56124475528475]
半教師付き学習 (SSL) において, 未ラベルデータには, 内分布 (ID) と外分布 (OOD) の両方を含む, オープンセット SSL という複雑なシナリオに対処する。
提案手法は, 未ラベルデータにIDサンプルが完全に欠落している場合でも, 既存のSSL方式を改良する。
論文 参考訳（メタデータ） (2023-06-30T14:25:35Z) - Unsupervised Visible-Infrared Person ReID by Collaborative Learning with Neighbor-Guided Label Refinement [53.044703127757295]
教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。
本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。
提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
論文 参考訳（メタデータ） (2023-05-22T04:40:30Z) - Uncertainty-aware Self-training for Low-resource Neural Sequence
Labeling [29.744621356187764]
本稿では,ニューラルシークエンスラベリング(NSL)のための新しい未知の自己学習フレームワークSeqUSTを提案する。
ベイジアンニューラルネットワーク(BNN)にモンテカルロ(MC)ドロップアウトを組み込んでトークンレベルで不確実性評価を行い、ラベルのないデータから信頼性の高い言語トークンを選択する。
ノイズロスのあるマスク付きシークエンスラベリングタスクは、ノイズのある擬似ラベルの問題を抑えることを目的とした堅牢なトレーニングを支援する。
論文 参考訳（メタデータ） (2023-02-17T02:40:04Z) - Be Your Own Neighborhood: Detecting Adversarial Example by the
Neighborhood Relations Built on Self-Supervised Learning [64.78972193105443]
本稿では,予測に有効な新しいAE検出フレームワークを提案する。
AEの異常な関係と拡張バージョンを区別して検出を行う。
表現を抽出し、ラベルを予測するために、既製の自己監視学習(SSL)モデルが使用される。
論文 参考訳（メタデータ） (2022-08-31T08:18:44Z) - Trash to Treasure: Harvesting OOD Data with Cross-Modal Matching for
Open-Set Semi-Supervised Learning [101.28281124670647]
オープンセット半教師付き学習(Open-set SSL)では、ラベルなしデータにOOD(Out-of-distribution)サンプルを含む、難しいが実用的なシナリオを調査する。
我々は、OODデータの存在を効果的に活用し、特徴学習を増強する新しいトレーニングメカニズムを提案する。
我々のアプローチは、オープンセットSSLのパフォーマンスを大幅に向上させ、最先端技術よりも大きなマージンで性能を向上します。
論文 参考訳（メタデータ） (2021-08-12T09:14:44Z) - WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。
エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。
提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文 参考訳（メタデータ） (2021-05-21T11:58:50Z) - Robust Self-Ensembling Network for Hyperspectral Image Classification [38.84831094095329]
この問題に対処するために,ロバストな自己認識ネットワーク(RSEN)を提案する。
rsenはベースネットワークとアンサンブルネットワークを含む2つのワークから成り立っている。
提案アルゴリズムは, 最先端手法と比較して, 競争性能を向上できることを示す。
論文 参考訳（メタデータ） (2021-04-08T13:33:14Z)
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。