論文の概要: Image-based Freeform Handwriting Authentication with Energy-oriented Self-Supervised Learning
- arxiv url: http://arxiv.org/abs/2408.09676v1
- Date: Mon, 19 Aug 2024 03:33:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 17:44:03.252722
- Title: Image-based Freeform Handwriting Authentication with Energy-oriented Self-Supervised Learning
- Title（参考訳）: エネルギー指向型自己監督学習による画像ベースフリーフォーム手書き認証
- Authors: Jingyao Wang, Luntian Mou, Changwen Zheng, Wen Gao,
- Abstract要約: SherlockNetは、堅牢で高速なフリーフォーム手書き認証のための、エネルギー指向の2ブランチの自己教師付き学習フレームワークである。
EN-HAは,データ偽造をシミュレートし,実際のアプリケーションに深刻なダメージを与える新しいデータセットである。
- 参考スコア（独自算出の注目度）: 17.584355583447323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Freeform handwriting authentication verifies a person's identity from their writing style and habits in messy handwriting data. This technique has gained widespread attention in recent years as a valuable tool for various fields, e.g., fraud prevention and cultural heritage protection. However, it still remains a challenging task in reality due to three reasons: (i) severe damage, (ii) complex high-dimensional features, and (iii) lack of supervision. To address these issues, we propose SherlockNet, an energy-oriented two-branch contrastive self-supervised learning framework for robust and fast freeform handwriting authentication. It consists of four stages: (i) pre-processing: converting manuscripts into energy distributions using a novel plug-and-play energy-oriented operator to eliminate the influence of noise; (ii) generalized pre-training: learning general representation through two-branch momentum-based adaptive contrastive learning with the energy distributions, which handles the high-dimensional features and spatial dependencies of handwriting; (iii) personalized fine-tuning: calibrating the learned knowledge using a small amount of labeled data from downstream tasks; and (iv) practical application: identifying individual handwriting from scrambled, missing, or forged data efficiently and conveniently. Considering the practicality, we construct EN-HA, a novel dataset that simulates data forgery and severe damage in real applications. Finally, we conduct extensive experiments on six benchmark datasets including our EN-HA, and the results prove the robustness and efficiency of SherlockNet.
- Abstract（参考訳）: フリーフォーム手書き認証は、乱雑な手書きデータにおいて、書き方や習慣から人物の身元を確認する。
近年, 詐欺防止, 文化遺産保護など, 様々な分野の貴重な道具として注目されている。
しかし、3つの理由から、現実には依然として挑戦的な課題である。
(一)甚大な損害。
(ii)複素高次元特徴、及び
(三)監督の欠如。
これらの問題に対処するため,エネルギー指向の2分岐型自己教師型学習フレームワークであるSherlockNetを提案する。
4つのステージから構成される。
一 前処理 新規なプラグアンドプレイエネルギー指向演算子を用いて原稿をエネルギー分布に変換して騒音の影響を除去すること。
(ii)一般化事前学習:2分岐運動量に基づく適応的コントラスト学習をエネルギー分布で学習し、手書きの高次元的特徴と空間的依存性を扱う。
三 パーソナライズされた微調整:下流タスクから少量のラベル付きデータを用いて学習知識を校正すること。
(四 実用応用:スクランブル、紛失、偽造データから個人手書きを効率よく、便利に識別すること。
この実用性を考慮すると、EN-HAは、データ偽造と実際のアプリケーションにおける重大な損傷をシミュレートする新しいデータセットである。
最後に、EN-HAを含む6つのベンチマークデータセットに対して広範な実験を行い、その結果、SherlockNetの堅牢性と効率が証明された。
関連論文リスト
- Text2Data: Low-Resource Data Generation with Textual Control [104.38011760992637]
自然言語は、人間が機械とシームレスに対話するための共通かつ直接的な制御信号として機能する。
ラベルのないデータを用いて教師なし拡散モデルを用いて基礎となるデータ分布を理解する新しいアプローチであるText2Dataを提案する。
制御性を確保し、破滅的な忘れを効果的に防止する、新しい制約最適化ベースの学習目標を通じて制御可能な微調整を行う。
論文 参考訳（メタデータ） (2024-02-08T03:41:39Z) - Offline Detection of Misspelled Handwritten Words by Convolving
Recognition Model Features with Text Labels [0.0]
テキストに対して手書き画像を比較する作業を紹介する。
我々のモデルの分類ヘッドは、最先端の生成逆数ネットワークを用いて生成された合成データに基づいて訓練されている。
このような大規模なパフォーマンス向上は、ヒューマン・イン・ザ・ループの自動化を利用したアプリケーションの生産性を大幅に向上させる可能性がある。
論文 参考訳（メタデータ） (2023-09-18T21:13:42Z) - Independent Distribution Regularization for Private Graph Embedding [55.24441467292359]
グラフ埋め込みは属性推論攻撃の影響を受けやすいため、攻撃者は学習したグラフ埋め込みからプライベートノード属性を推測することができる。
これらの懸念に対処するため、プライバシ保護グラフ埋め込み手法が登場した。
独立分散ペナルティを正規化項として支援し, PVGAE(Private Variational Graph AutoEncoders)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-08-16T13:32:43Z) - CSSL-RHA: Contrastive Self-Supervised Learning for Robust Handwriting
Authentication [23.565017967901618]
本稿では,ロバスト手書き認証のためのコントラスト型自己監督学習フレームワークを提案する。
複雑だが重要な特徴を動的に学習し、作者の身元を正確に予測することができる。
提案モデルでは,データ改ざんや汚損などの異常な状況下においても,認証を効果的に行うことができる。
論文 参考訳（メタデータ） (2023-07-18T02:20:46Z) - SURDS: Self-Supervised Attention-guided Reconstruction and Dual Triplet
Loss for Writer Independent Offline Signature Verification [16.499360910037904]
オフライン署名検証(英: Offline Signature Verification、OSV)は、法学、商業、法学の様々な分野における基本的な生体計測の課題である。
著者に依存しないOSVにおける自己教師付き表現学習とメートル法学習を活用する2段階のディープラーニングフレームワークを提案する。
提案したフレームワークは2つのオフライン署名データセットで評価され、様々な最先端の手法と比較されている。
論文 参考訳（メタデータ） (2022-01-25T07:26:55Z) - Transformer-Based Approach for Joint Handwriting and Named Entity
Recognition in Historical documents [1.7491858164568674]
本研究は,手書き文書における名前付きエンティティ認識にトランスフォーマネットワークを採用した最初のアプローチを示す。
我々は,Esposalles データベースを用いた ICDAR 2017 Information extract コンペティションにおいて,新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2021-12-08T09:26:21Z) - Vectorization and Rasterization: Self-Supervised Learning for Sketch and
Handwriting [168.91748514706995]
自己監督型機能学習のための2つの新しいクロスモーダル翻訳プリテキストタスクを提案する:ベクトル化とラスタリゼーション。
当社の学習したエンコーダモジュールは、手書きデータを分析するために、ベースとベクターの両方のダウンストリームアプローチに役立ちます。
論文 参考訳（メタデータ） (2021-03-25T09:47:18Z) - Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
本稿では,OED(Ongoing Event Detection)タスクを紹介する。
目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。
構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
論文 参考訳（メタデータ） (2020-07-02T20:44:05Z) - Fairness by Learning Orthogonal Disentangled Representations [50.82638766862974]
不変表現問題に対する新しい非絡み合い手法を提案する。
エントロピーによりセンシティブな情報に依存しない有意義な表現を強制する。
提案手法は5つの公開データセットで評価される。
論文 参考訳（メタデータ） (2020-03-12T11:09:15Z) - Learning Not to Learn in the Presence of Noisy Labels [104.7655376309784]
ギャンブラーの損失と呼ばれる新しい種類の損失関数は、様々なレベルの汚職にまたがってノイズをラベル付けするのに強い堅牢性をもたらすことを示す。
この損失関数によるトレーニングは、ノイズのあるラベルを持つデータポイントでの学習を"維持"することをモデルに促すことを示す。
論文 参考訳（メタデータ） (2020-02-16T09:12:27Z)
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。