論文の概要: Revolutionizing Forensic Toolmark Analysis: An Objective and Transparent
Comparison Algorithm
- arxiv url: http://arxiv.org/abs/2312.00032v1
- Date: Sun, 19 Nov 2023 17:21:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 03:53:47.535630
- Title: Revolutionizing Forensic Toolmark Analysis: An Objective and Transparent
Comparison Algorithm
- Title(参考訳): 変貌する法医学的ツールマーク分析:客観的かつ透明な比較アルゴリズム
- Authors: Maria Cuellar and Sheng Gao and Heike Hofmann
- Abstract要約: 元のツールマークデータを3Dで生成し、各ツールマークから信号を抽出し、ツールマーク信号を客観的に比較するためのアルゴリズムを訓練する。
ツールマークの信号は、角度や方向ではなく、ツールによってクラスタ化されています。
ツールマーク信号と不確実性の尺度を比較するための形式的手法として,確率比アプローチを提案する。
- 参考スコア(独自算出の注目度): 1.93152569465613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Forensic toolmark comparisons are currently performed subjectively by humans,
which leads to a lack of consistency and accuracy. There is little evidence
that examiners can determine whether pairs of marks were made by the same tool
or different tools. There is also little evidence that they can make this
classification when marks are made under different conditions, such as
different angles of attack or direction of mark generation. We generate
original toolmark data in 3D, extract the signal from each toolmarks, and train
an algorithm to compare toolmark signals objectively. We find that toolmark
signals cluster by tool, and not by angle or direction. That is, the
variability within tool, regardless of angle/direction, is smaller than the
variability between tools. The known-match and known-non-match densities of the
similarities of pairs of marks have a small overlap, even when accounting for
dependencies in the data, making them a useful instrument for determining
whether a new pair of marks was made by the same tool. We provide a likelihood
ratio approach as a formal method for comparing toolmark signals with a measure
of uncertainty. This empirically trained, open-source method can be used by
forensic examiners to compare toolmarks objectively and thus improve the
reliability of toolmark comparisons. This can, in turn, reduce miscarriages of
justice in the criminal justice system.
- Abstract(参考訳): 現在、法医学的なツールマークの比較は人間によって主観的に行われており、一貫性と精度の欠如につながっている。
検査官が同じツールか異なるツールでマークのペアが作られたかどうかを判断できる証拠はほとんどない。
また、攻撃の角度やマーク生成の方向など、異なる条件下でマークが作られる場合、この分類が可能であるという証拠もほとんどない。
元のツールマークデータを3Dで生成し、各ツールマークから信号を抽出し、ツールマーク信号を客観的に比較するためのアルゴリズムを訓練する。
ツールマークの信号は、角度や方向ではなく、ツールによってクラスタ化されています。
すなわち、ツール内の可変性は、角度/方向に関わらず、ツール間の可変性よりも小さい。
既知のマッチと既知の非マッチ密度は、データの依存関係を考慮に入れた場合でも、重複が小さいため、新しい一対のマークが同じツールで作られたかどうかを判断するのに有用な手段である。
ツールマーク信号と不確実性の尺度を比較するための形式的手法として,確率比法を提案する。
この実験的に訓練されたオープンソース手法は、鑑識によって客観的にツールマークを比較し、ツールマークの比較の信頼性を向上させるために用いられる。
これにより、刑事司法制度における司法の流産を減らすことができる。
関連論文リスト
- Source Code Clone Detection Using Unsupervised Similarity Measures [0.0]
本研究は,ソースコードのクローン検出のための教師なし類似度尺度の比較分析を行う。
目標は、現在の最先端技術、その強み、弱点を概観することである。
論文 参考訳(メタデータ) (2024-01-18T10:56:27Z) - A Systematic Evaluation of Automated Tools for Side-Channel Vulnerabilities Detection in Cryptographic Libraries [6.826526973994114]
文献を調査し,34のサイドチャネル検出フレームワークの分類を行った。
次に、5つの有望な検出ツールの選択に基づいて、代表的な暗号操作のベンチマークを構築しました。
最近公開されたサイドチャネル脆弱性の分類を提供する。
既存のツールでは,SIMD命令のサポートの欠如,暗黙のフロー,内部シークレット生成など,さまざまな理由から脆弱性を見つけるのに苦労しています。
論文 参考訳(メタデータ) (2023-10-12T09:18:26Z) - Improving Object Detection in Medical Image Analysis through Multiple
Expert Annotators: An Empirical Investigation [0.3670422696827525]
本研究は, 医用画像解析における異常検出における機械学習アルゴリズムの利用について論じる。
さまざまなレベルの専門知識を持つ複数のアノテーションからアノテーションを集約する,シンプルで効果的なアプローチを導入する。
次に、複数のアノテーションから隠れラベルを推定し、再重み付き損失関数を用いて検出性能を向上させることにより、異常検出タスクにおける予測モデルの効率を向上させることを目的とする。
論文 参考訳(メタデータ) (2023-03-29T07:34:20Z) - The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge
Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。
多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。
UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-03-21T13:14:36Z) - Contrastive Bayesian Analysis for Deep Metric Learning [30.21464199249958]
特徴的類似性によって条件付けられた画像ラベルの後方確率を特徴付け,モデル化するために,コントラッシブなベイズ解析を開発した。
この対照的なベイズ解析は、深い計量学習のための新しい損失関数をもたらす。
実験結果とアブレーション実験により,提案手法は深層学習の性能を著しく向上させることが示された。
論文 参考訳(メタデータ) (2022-10-10T02:24:21Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳(メタデータ) (2022-09-27T19:04:36Z) - Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic
Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。
注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。
また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T22:04:19Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳(メタデータ) (2021-04-07T05:42:11Z) - Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search [90.30623718137244]
スケーラブルなマルチラベル画像検索のための新しいディープハッシュ法を提案する。
2つの空間の類似性順序を整列するために、新しい階数整合性目的を適用した。
強力な損失関数は、意味的類似性とハミング距離が一致しないサンプルをペナルティ化するように設計されている。
論文 参考訳(メタデータ) (2021-02-02T13:46:58Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-15T10:08:39Z)
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。