論文の概要: Consensus-Threshold Criterion for Offline Signature Verification using
Convolutional Neural Network Learned Representations
- arxiv url: http://arxiv.org/abs/2401.03085v1
- Date: Fri, 5 Jan 2024 23:10:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 20:34:48.834693
- Title: Consensus-Threshold Criterion for Offline Signature Verification using
Convolutional Neural Network Learned Representations
- Title（参考訳）: 畳み込みニューラルネットワーク学習表現を用いたオフライン署名検証のための合意閾値基準
- Authors: Paul Brimoh, Chollette C. Olisah
- Abstract要約: オフライン書き込み依存署名検証のためのコンセンサス閾値距離に基づく分類器を提案する。
GPDS-300では、文献で記録された8.73%と17.31%と比較して1.27%のFARを達成することで、コンセンサス閾値分類器が最先端の性能を向上させる。
これは他のデータセット間で一貫性があり、インポスタが機密文書やトランザクションにアクセスするリスクが最小限であることを保証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A genuine signer's signature is naturally unstable even at short
time-intervals whereas, expert forgers always try to perfectly mimic a genuine
signer's signature. This presents a challenge which puts a genuine signer at
risk of being denied access, while a forge signer is granted access. The
implication is a high false acceptance rate (FAR) which is the percentage of
forge signature classified as belonging to a genuine class. Existing work have
only scratched the surface of signature verification because the
misclassification error remains high. In this paper, a consensus-threshold
distance-based classifier criterion is proposed for offline writer-dependent
signature verification. Using features extracted from SigNet and SigNet-F deep
convolutional neural network models, the proposed classifier minimizes FAR.
This is demonstrated via experiments on four datasets: GPDS-300, MCYT, CEDAR
and Brazilian PUC-PR datasets. On GPDS-300, the consensus threshold classifier
improves the state-of-the-art performance by achieving a 1.27% FAR compared to
8.73% and 17.31% recorded in literature. This performance is consistent across
other datasets and guarantees that the risk of imposters gaining access to
sensitive documents or transactions is minimal.
- Abstract（参考訳）: 真のシグナーの署名は、短時間のインターバルでも自然に不安定であるが、専門家の偽造者は、常に本物のシグナーの署名を完璧に模倣しようとする。
これは、本物のシグナーがアクセスを拒否されるリスクを負わせ、フォージシグナーがアクセスを許可されるという課題を示す。
含意は偽受入率(far)が高く、これは本物のクラスに属すると分類されたフォージサインの割合である。
既存の作業は、誤分類エラーが高いため、シグネチャ検証の表面をひっかいただけである。
本稿では,オフライン文字依存署名検証のために,コンセンサス閾値距離に基づく分類基準を提案する。
SigNetとSigNet-Fの深部畳み込みニューラルネットワークモデルから抽出した特徴を用いて、提案した分類器はFARを最小化する。
これはGPDS-300、MCYT、CEDAR、ブラジルのPUC-PRデータセットの4つのデータセットで実証されている。
GPDS-300では、文献で記録された8.73%と17.31%と比較して1.27%のFARを達成することで、コンセンサス閾値分類器が最先端の性能を向上させる。
このパフォーマンスは、他のデータセット間で一貫性があり、インポスタが機密文書やトランザクションにアクセスするリスクは最小限である。
関連論文リスト
- Offline Handwritten Signature Verification Using a Stream-Based Approach [7.18805896964466]
署名検証システムは、真と偽の署名を区別する。
従来のHSV開発には静的なバッチ構成が含まれる。
本稿では,無限のシグネチャ列を受信し,時間とともに更新される適応システムを用いた新しいHSV手法を提案する。
論文 参考訳（メタデータ） (2024-11-10T16:16:06Z) - 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) - Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification [11.225067563482169]
銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。
このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。
本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-06-20T14:42:14Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。
提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。
提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-22T15:49:20Z) - SCARF: Self-Supervised Contrastive Learning using Random Feature
Corruption [72.35532598131176]
本稿では,特徴のランダムなサブセットを乱してビューを形成するコントラスト学習手法であるSCARFを提案する。
SCARFは既存の戦略を補完し、オートエンコーダのような代替手段より優れていることを示す。
論文 参考訳（メタデータ） (2021-06-29T08:08:33Z) - Semi-Supervised Speech Recognition via Graph-based Temporal
Classification [59.58318952000571]
半教師付き学習は自己学習による自動音声認識において有望な結果を示した。
このアプローチの有効性は、主に擬似ラベルの精度に依存する。
N-bestリストの別のASR仮説は、ラベルなしの発話に対してより正確なラベルを提供することができる。
論文 参考訳（メタデータ） (2020-10-29T14:56:56Z) - 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) - Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
極値理論に基づく新しいアイデンティティ分離法を提案する。
重なり合うラベルノイズによる問題を大幅に低減する。
制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
論文 参考訳（メタデータ） (2020-07-14T12:26:50Z) - Offline Signature Verification on Real-World Documents [9.271640666465363]
正式な文書から抽出された署名には、スタンプ、会社のシール、支配線、署名ボックスなど、さまざまな種類の隠蔽が含まれている。
本稿では,現実の作家によるオフライン署名検証問題に対処し,銀行の顧客の取引要求文書に隠蔽された署名を記載した文書をクリーンリファレンス署名と比較する。
提案手法は,CycleGANに基づくスタンプクリーニング法とCNNに基づくシグネチャ表現の2つの主成分からなる。
論文 参考訳（メタデータ） (2020-04-25T10:28:03Z) - Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。
公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
論文 参考訳（メタデータ） (2020-02-24T17:24:36Z)
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。