Fugu-MT 論文翻訳(概要): The possibility of making \$138,000 from shredded banknote pieces using computer vision

論文の概要: The possibility of making \$138,000 from shredded banknote pieces using computer vision

arxiv url: http://arxiv.org/abs/2401.06133v1
Date: Fri, 17 Nov 2023 02:25:31 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 13:02:03.639696
Title: The possibility of making \$138,000 from shredded banknote pieces using computer vision
Title（参考訳）: コンピュータビジョンによる細切紙幣の138,000ドル製造の可能性
Authors: Chung To Kong
Abstract要約: 香港通貨庁のビジターセンターでは、切削された紙幣でいっぱいの太いお土産が購入できる。細切られた紙幣は小さいが、コンピュータビジョンを用いて、ジグソーパズルのように全紙幣を再構築することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Every country must dispose of old banknotes. At the Hong Kong Monetary Authority visitor center, visitors can buy a paperweight souvenir full of shredded banknotes. Even though the shredded banknotes are small, by using computer vision, it is possible to reconstruct the whole banknote like a jigsaw puzzle. Each paperweight souvenir costs \$100 HKD, and it is claimed to contain shredded banknotes equivalent to 138 complete \$1000 HKD banknotes. In theory, \$138,000 HKD can be recovered by using computer vision. This paper discusses the technique of collecting shredded banknote pieces and applying a computer vision program.
Abstract（参考訳）: どの国も古い紙幣を処分しなければならない。香港通貨庁のビジターセンターでは、切削された紙幣でいっぱいの太いお土産が購入できる。細断された紙幣は、コンピュータビジョンを用いて小さいが、紙幣全体をジグソーパズルのように再構築することができる。各紙の土産価格は100HKDで、128ドル相当の細断された紙幣を含んでいると主張されている。理論上、$138,000 HKDはコンピュータビジョンによって回収できる。本稿では,細工した紙幣を収集し,コンピュータビジョンプログラムを適用する手法について論じる。

関連論文リスト

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction [93.69757398746017]
CoordTokは、座標ベースの表現から入力ビデオの対応するパッチへのマッピングを学ぶビデオトークンである。 CoordTokは、ビデオを分解された三面体表現にエンコードし、ランダムにサンプリングされた$(x,y,t)$座標に対応するパッチを再構築する。
論文参考訳（メタデータ） (2024-11-22T06:50:44Z)
Money: Who Has a Stake in the Most Value-Centric Common Design Material? [8.24293374660084]
中央銀行デジタル通貨(CBDC)は、金融の将来に大きな変化をもたらすことを目指している。本稿では, 材料形成と非物質的金融変革におけるデザイナーの役割について考察する。
論文参考訳（メタデータ） (2023-07-13T05:30:41Z)
Concept Decomposition for Visual Exploration and Inspiration [53.06983340652571]
本稿では,視覚概念を階層木構造に符号化した異なる視覚的側面に分解する手法を提案する。我々は、概念分解と生成のために、大きな視覚言語モデルとそのリッチな潜在空間を利用する。
論文参考訳（メタデータ） (2023-05-29T16:56:56Z)
Applications of Machine Learning in Detecting Afghan Fake Banknotes [0.0]
アフガニスタンにおける偽通貨の流行は大きな課題を引き起こし、経済に有害な影響を及ぼす。本稿では,特定のセキュリティ特徴を解析して偽のアフガン紙幣を識別する画像処理手法を提案する。ランダムフォレストアルゴリズムは偽のアフガン紙幣を99%の精度で検出した。
論文参考訳（メタデータ） (2023-05-24T05:39:46Z)
Response to "The digital pound: a new form of money for households and businesses" [0.0]
この文書は、イングランド銀行とHM財務省が発行したコンサルテーション・ペーパーに対する反応である。コンサルテーション・ペーパー(Consultation Paper)は、イギリスにおける中央銀行のデジタル通貨(CBDC)の小売利用に関する文書である。本文書の第3節で直接、協議の質問に答える。
論文参考訳（メタデータ） (2023-05-15T22:59:21Z)
Artificial Intelligence Generated Coins for Size Comparison [0.0]
科学論文の著者は、写真の中のコインを物体の大きさの基準として用いている。本稿では,画像中のサイズ参照を提供するために,人工知能(AI)が生成したコインの画像を利用する新しい手法を提案する。
論文参考訳（メタデータ） (2023-01-11T23:10:38Z)
BankNote-Net: Open dataset for assistive universal currency recognition [2.2509387878255818]
24,826枚の紙幣を様々な補助設定で収集し、17通貨112の紙幣を識別する。教師付きコントラスト学習を用いて、ユニバーサル通貨認識のための機械学習モデルを開発する。私たちは、Microsoftが開発したSeeing AIアプリの最後のバージョンで、このモデルのバリエーションをパブリックに使用するためにデプロイします。
論文参考訳（メタデータ） (2022-04-07T21:16:54Z)
Fourier Document Restoration for Robust Document Dewarping and Recognition [73.44057202891011]
本稿では、異なる歪みで文書を復元できるフーリエ文書復元ネットワークであるFDRNetについて述べる。ドキュメントをフレキシブルなThin-Plate Spline変換でデワープし、トレーニング時に変形アノテーションを必要とせずに、様々な変形を効果的に処理できる。これは、デウォープとテキスト認識の両方のタスクにおいて、最先端の技術をはるかに上回る。
論文参考訳（メタデータ） (2022-03-18T12:39:31Z)
Florence: A New Foundation Model for Computer Vision [97.26333007250142]
我々は、粗い(シーン)から細かい(オブジェクト)への表現を拡大するために、新しいコンピュータビジョン基盤モデルであるFlorenceを導入する。 Webスケールの画像テキストデータから普遍的な視覚言語表現を組み込むことで、フローレンスモデルは様々なコンピュータビジョンタスクに容易に適応できる。 Florenceは44の代表的なベンチマークの過半数において、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2021-11-22T18:59:55Z)
VisDrone-CC2020: The Vision Meets Drone Crowd Counting Challenge Results [186.53282837739548]
私たちは大規模なデータセットを収集し、Vision Meets Drone Crowd Counting Challenge (VisDrone-CC 2020)を組織します。収集されたデータセットは、トレーニング用の2460ドルの画像と、テスト用の900ドルの画像を含む3360ドルの画像で構成されている。評価結果を詳細に分析し,課題を結論付ける。
論文参考訳（メタデータ） (2021-07-19T11:48:29Z)
Sparse R-CNN: End-to-End Object Detection with Learnable Proposals [77.9701193170127]
Sparse R-CNNは、画像中の物体検出のための純粋にスパースな方法である。最終的な予測は、最大でない処理後抑制なしで直接出力される。われわれの研究が、物体検知器に先立って密集した慣例を再考することを願っている。
論文参考訳（メタデータ） (2020-11-25T00:01:28Z)

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。