論文の概要: Improving and Evaluating Machine Learning Methods for Forensic Shoeprint Matching

• arxiv url: http://arxiv.org/abs/2405.14878v1
• Date: Tue, 2 Apr 2024 15:24:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 08:29:41.504837
• Title: Improving and Evaluating Machine Learning Methods for Forensic Shoeprint Matching
• Title（参考訳）: 法医学的ショットプリントマッチングのための機械学習手法の改良と評価
• Authors: Divij Jain, Saatvik Kher, Lena Liang, Yufeng Wu, Ashley Zheng, Xizhen Cai, Anna Plantinga, Elizabeth Upton,
• Abstract要約: 法医学的な靴紋パターンマッチングのための機械学習パイプラインを提案する。 エッジ検出による2次元画像から2次元座標を抽出し, 反復的最近点(ICP)と整列する。 次に、類似度指標を抽出し、2つの印刷物がどれだけうまく一致しているかを定量化し、これらの指標を用いてランダムな森林を訓練する。
• 参考スコア（独自算出の注目度）: 0.2509487459755192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a machine learning pipeline for forensic shoeprint pattern matching that improves on the accuracy and generalisability of existing methods. We extract 2D coordinates from shoeprint scans using edge detection and align the two shoeprints with iterative closest point (ICP). We then extract similarity metrics to quantify how well the two prints match and use these metrics to train a random forest that generates a probabilistic measurement of how likely two prints are to have originated from the same outsole. We assess the generalisability of machine learning methods trained on lab shoeprint scans to more realistic crime scene shoeprint data by evaluating the accuracy of our methods on several shoeprint scenarios: partial prints, prints with varying levels of blurriness, prints with different amounts of wear, and prints from different shoe models. We find that models trained on one type of shoeprint yield extremely high levels of accuracy when tested on shoeprint pairs of the same scenario but fail to generalise to other scenarios. We also discover that models trained on a variety of scenarios predict almost as accurately as models trained on specific scenarios.
• Abstract（参考訳）: 本稿では,既存の手法の精度と汎用性を改善することを目的とした,法医学的な靴紋パターンマッチングのための機械学習パイプラインを提案する。 エッジ検出を用いて2D座標を抽出し,2つの靴柄を反復的最近点(ICP)に整列する。 次に、類似度指標を抽出して、2つのプリントがどれだけうまく一致しているかを定量化し、これらの指標を使用してランダムな森林をトレーニングし、2つのプリントが同じアウトソールから発生した可能性の確率的測定を生成する。 実験室の靴プリントスキャンで訓練された機械学習手法の、より現実的な犯罪現場の靴プリントデータへの一般化性を評価するために、いくつかの靴プリントシナリオにおいて、本手法の精度を評価する。 あるタイプの靴プリントでトレーニングされたモデルは、同じシナリオの靴プリントペアでテストした場合、極めて高い精度が得られるが、他のシナリオに一般化することができない。 また、さまざまなシナリオでトレーニングされたモデルが、特定のシナリオでトレーニングされたモデルと同じくらい正確に予測できることもわかりました。

関連論文リスト

• Pre-Trained Vision-Language Models as Partial Annotators [40.89255396643592]
  事前学習された視覚言語モデルは、画像と自然言語の統一表現をモデル化するために大量のデータを学習する。 本稿では,事前学習型モデルアプリケーションのための「事前学習型-弱教師付き学習」パラダイムについて検討し,画像分類タスクの実験を行う。
  論文  参考訳（メタデータ） (2024-05-23T17:17:27Z)
• CriSp: Leveraging Tread Depth Maps for Enhanced Crime-Scene Shoeprint Matching [8.153893958726117]
  ショットプリントは、犯罪現場で見られる一般的なタイプの証拠であり、法医学的な調査で定期的に使用される。 既存の手法では、靴データベースにノイズや隠蔽された犯罪現場の靴紋をマッチングするために、ディープラーニングを効果的に活用することはできない。 このデータに基づいて,犯罪現場の靴のプリントと深度マップのトレッドマッチングを行うCriSpを提案する。 CriSpは、このタスクに適した自動靴形マッチングと画像検索の両方において、最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2024-04-25T18:50:26Z)
• Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images [76.47980643420375]
  本稿では,意味的対応の学習に固有のデータ・ハングリー・マターが存在するという仮説に基づく。 我々は,機械の監督を通じて,ペア化されたキーポイントを確実に強化する単純な機械注釈器を実証する。 我々のモデルは,SPair-71k,PF-PASCAL,PF-WILLOWといった意味対応学習ベンチマークの最先端モデルを上回る。
  論文  参考訳（メタデータ） (2023-11-30T13:22:15Z)
• Model-free Grasping with Multi-Suction Cup Grippers for Robotic Bin Picking [63.15595970667581]
  複数の吸引カップを有する吸引グリップパのグリップポーズのモデルフリー予測法を提案する。 本手法はグリッパーの設計に非依存であり,グリッパー固有のトレーニングデータを必要としない。
  論文  参考訳（メタデータ） (2023-07-31T08:33:23Z)
• FBI: Fingerprinting models with Benign Inputs [17.323638042215013]
  本稿では,モデルファミリとその変種の概念を一般化することにより,モデルの大幅な修正に耐性のある指紋認証方式を提案する。 我々は、修正されていない画像である良性入力が、両方のタスクに十分な材料であることを実証することによって、両方の目標を達成する。 どちらのアプローチも、かつてない1000以上のネットワークに対して実験的に検証されている。
  論文  参考訳（メタデータ） (2022-08-05T13:55:36Z)
• ShoeRinsics: Shoeprint Prediction for Forensics with Intrinsic Decomposition [29.408442567550004]
  オンライン小売業者が収集した靴のトレッド写真を活用することを提案する。 我々は,1枚のトレッド写真から本質的な画像分解を行うモデルを開発した。 ShoeRinsicsと呼ばれる我々のアプローチは、完全に教師付き合成データと教師なしの小売画像データの組み合わせを活用するために、ドメイン適応と再レンダリング損失を組み合わせたものです。
  論文  参考訳（メタデータ） (2022-05-04T23:42:55Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Partner-Assisted Learning for Few-Shot Image Classification [54.66864961784989]
  人間の視覚能力を模倣し、徹底的な人間のアノテーションを必要とせずに効果的なモデルを学ぶために、わずかなショットラーニングが研究されている。 本稿では,新しいクラスのプロトタイプをラベル付きサンプルから推定できるように,要素表現を得るためのトレーニング戦略の設計に焦点をあてる。 本稿では,まずパートナーエンコーダのペアワイド類似性をモデル化し,ソフトアンカーとして機能する特徴を抽出し,その出力をソフトアンカーと整列させ,分類性能を最大化しようとする2段階トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T22:46:19Z)
• An Empirical Comparison of Instance Attribution Methods for NLP [62.63504976810927]
  本研究は,トレーニングサンプルの重要性に関して,異なるインスタンス属性が一致した度合いを評価する。 単純な検索メソッドは、グラデーションベースの方法によって識別されたものと異なるトレーニングインスタンスを生成する。
  論文  参考訳（メタデータ） (2021-04-09T01:03:17Z)
• CSI: Novelty Detection via Contrastive Learning on Distributionally Shifted Instances [77.28192419848901]
  コントラストシフトインスタンス (CSI) という,単純かつ効果的な手法を提案する。 従来のコントラスト学習法のように,サンプルを他の例と対比することに加えて,本トレーニング手法では,サンプルを分散シフトによる拡張と対比する。 本実験は, 種々の新規検出シナリオにおける本手法の優位性を実証する。
  論文  参考訳（メタデータ） (2020-07-16T08:32:56Z)
• Printing and Scanning Attack for Image Counter Forensics [11.193867567895353]
  画像の真正性を調べることは、操作ツールがよりアクセスしやすく、進歩するにつれて、ますます重要になっている。 近年の研究では、CNNをベースとした画像検出装置は操作の特定に成功しているが、敵の攻撃にも弱いことが示されている。 我々は、印刷とスキャンという、非常に確実な攻撃方法を探究する。
  論文  参考訳（メタデータ） (2020-04-27T00:32:15Z)

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。