論文の概要: KnifeHunter: Structured Local Representation Learning for Fine-Grained Knife Image Retrieval in Law Enforcement
- arxiv url: http://arxiv.org/abs/2608.07057v1
- Date: Fri, 07 Aug 2026 10:07:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.460264
- Title: KnifeHunter: Structured Local Representation Learning for Fine-Grained Knife Image Retrieval in Law Enforcement
- Title（参考訳）: KnifeHunter: 法執行におけるきめ細かいナイフ画像検索のための構造的局所表現学習
- Authors: Syed Sameed Husain, Eng-Jon Ong, Stephen Simpson, Trevor Hamshere, Matt Turner, Miroslaw Bober,
- Abstract要約: KnifeHunterは、イギリスの法執行機関が開発した、エンドツーエンドの法定ナイフ画像検索システムである。
CoRe-Netは、グローバルコンテキストと空間的局所的な識別的証拠を組み合わせた、コンパクトな単一記述子検索アーキテクチャである。
- 参考スコア（独自算出の注目度）: 8.640860558154602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knife-enabled violence presents a major public safety challenge, and law enforcement agencies require scalable tools for catalogue-level knife identification, intelligence analysis, and source attribution. Manual visual comparison is specialist, time-consuming, and difficult to scale under operational imaging conditions. We introduce KnifeHunter, an end-to-end forensic knife image retrieval system developed with UK law enforcement. The work contributes the KnifeHunter dataset, comprising 25,843 images across 543 knife classes from police evidence, retail catalogues, and border-force seizures, with structured metadata, Medium/Hard evaluation protocols, and large-scale distractor evaluation. We further propose CoRe-Net, a compact single-descriptor retrieval architecture that combines global context with spatially localised discriminative evidence. CoRe-Net introduces Structured Complementary Representation Learning (SCRL) to organise local evidence into complementary prototype-based representations, and Bi-Directional Reciprocal Fusion (BDRF) to integrate global and local evidence through residual projection and gated local-to-global injection. Using an EVA02-Base backbone and cosine-similarity retrieval, CoRe-Net achieves 88.0% mAP and 86.7% mP@10 on the Medium protocol, and 85.1% mAP and 83.8% mP@10 under distractor conditions. KnifeHunter was deployed by UK police forces during Operation Sceptre deployments from 2023 to 2025, achieving 99.2% mP@1 on field queries. These results demonstrate a practical and effective multimedia retrieval framework for fine-grained forensic knife matching in operational law-enforcement settings.
- Abstract（参考訳）: ナイフによる暴力は、公衆の安全上の大きな課題であり、法執行機関は、カタログレベルのナイフ識別、情報分析、ソース属性のためのスケーラブルなツールを必要としている。
手動による視覚比較は、専門的で、時間がかかり、運用上の撮像条件下でのスケーリングが困難である。
KnifeHunterは、イギリスの法執行機関が開発したエンドツーエンドのナイフ画像検索システムである。
この研究はKnifeHunterデータセットに貢献し、警察の証拠、小売カタログ、国境強制発作からの543のナイフクラスに25,843枚の画像、構造化されたメタデータ、中・ハードの評価プロトコル、大規模な妨害者評価を含む。
さらに,グローバルコンテキストと空間的局所的な識別的証拠を組み合わせた,コンパクトな単一記述子検索アーキテクチャであるCoRe-Netを提案する。
CoRe-NetはSCRL(Structured Complementary Representation Learning)を導入し、局所的エビデンスを補完的なプロトタイプベースの表現に整理し、BDRF(Bi-Directional Reciprocal Fusion)を使用して、残留射影と局所的局所的インジェクションを通じてグローバルおよび局所的エビデンスを統合する。
EVA02ベースのバックボーンとコサイン類似性検索を用いて、CoRe-NetはMediumプロトコルで88.0% mAPと86.7% mP@10、85.1% mAPと83.8% mP@10を達成した。
KnifeHunterは、2023年から2025年にかけてのSceptre作戦中にイギリスの警察によって配備され、フィールドクエリで99.2%のmP@1を達成した。
これらの結果は,法執行環境における細粒度の法定ナイフマッチングのための,実用的で効果的なマルチメディア検索フレームワークであることを示す。
関連論文リスト
- SHERLOC: Structured Diagnostic Localization for Code Repair Agents [33.35079971033214]
SHERLOCは,コンパクトなリポジトリツールと自己回復機能を備えた推論LDMをペアリングする,トレーニング不要のフレームワークである。
SWE-Bench Liteでは84.33%の精度@1、SWE-Bench Verifiedでは81.27%のリコール@1である。
論文 参考訳（メタデータ） (2026-06-23T17:05:50Z) - Dr-DCI: Scaling Direct Corpus Interaction via Dynamic Workspace Expansion [76.02214947070392]
DR-DCIは、検索をローカルなワークスペースを拡張するためのエージェントコール可能なアクションとして扱う、レトリバーによるDCIフレームワークである。
DR-DCIはスケールにわたって効果的かつ効率的であることを示す。
コーパススケーリング実験では、DR-DCIは1万文書から10万文書まで有効であり、生のDCIは不安定になり、BM25は著しく悪化する。
論文 参考訳（メタデータ） (2026-06-12T18:46:18Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳（メタデータ） (2026-05-12T02:11:54Z) - Field-Localized Forgery Detection for Digital Identity Documents [17.43404472809746]
デジタルID認証システムは、ユーザ認証のために文書イメージに依存している。
既存の偽造検出手法では、構造化されたID文書への転送性が制限されている。
我々はFLiDを提案する。FLiDは、重要なアイデンティティ領域をターゲットにした軽量なフィールドローカライズされたフレームワークである。
論文 参考訳（メタデータ） (2026-05-09T17:53:54Z) - ForgeryVCR: Visual-Centric Reasoning via Efficient Forensic Tools in MLLMs for Image Forgery Detection and Localization [62.03035862528452]
ForgeryVCRは、視覚中心推論(Visual-Centric Reasoning)を通じて、知覚できないトレースを明示的な視覚中間体に物質化するフレームワークである。
ForgeryVCRは、検出タスクとローカライゼーションタスクの両方において、最先端(SOTA)のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-02-15T11:14:47Z) - TwoHead-SwinFPN: A Unified DL Architecture for Synthetic Manipulation, Detection and Localization in Identity Documents [0.4881924950569192]
TwoHead-SwinFPNは、ID文書内の操作済み領域のバイナリ分類と正確なローカライズを同時に行う統合ディープラーニングアーキテクチャである。
提案手法では,Swin TransformerのバックボーンをFeature Pyramid Network(FPN)とUNetスタイルのデコーダと統合し,CBAM(Convolutional Block Attention Module)を拡張して特徴表現を改善する。
FantasyIDiapデータセットの実験では、84.31%の精度、90.78%のAUC、57.24%のDiceスコアが優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-01-19T09:50:51Z) - RAS-Eval: A Comprehensive Benchmark for Security Evaluation of LLM Agents in Real-World Environments [5.3532199508293745]
RAS-Evalは、シミュレーションと実世界のツール実行の両方をサポートする包括的なセキュリティベンチマークである。
さまざまなシナリオにまたがって,最先端の言語モデル (LLM) エージェントを6つ評価した。
攻撃によりエージェントタスク完了率(TCR)は平均36.78%減少し、学術的な環境では85.65%の成功率を達成した。
論文 参考訳（メタデータ） (2025-06-18T08:30:36Z) - Forensicability Assessment of Questioned Images in Recapturing Detection [78.45849869266834]
質問されたサンプルの鑑定可能性の定量化のための鑑定可能性評価ネットワークを提案する。
低フォレンシビリティサンプルは、実際の再適応検出プロセスの前に拒絶され、再適応システムの効率が向上する。
我々は、トレーニングされたFANetと、アンチ・スプーフィングと再適応された文書検出タスクの実践的な再適応検出スキームを統合する。
論文 参考訳（メタデータ） (2022-09-05T12:26:01Z) - A Simple Semi-Supervised Learning Framework for Object Detection [55.95789931533665]
半教師付き学習(SSL)は、ラベルなしデータを用いた機械学習モデルの予測性能を改善する可能性がある。
本稿では,データ拡張戦略とともに,視覚オブジェクト検出のための簡易かつ効果的なSSLフレームワークSTACを提案する。
論文 参考訳（メタデータ） (2020-05-10T19:15:51Z) - Knife and Threat Detectors [0.0]
複数のナイフ画像データセットを用いた自動脅威識別のための3つの補完手法を提案する。
ナイフを振り回す脅威を観察者に警告するため、MobileNetを中心に構築された分類をテストし、デプロイする。
PoseNetアーキテクチャ上に構築された最終モデルは、脅威特性を狭めるために解剖学的ウェイポイントや骨格的特徴を割り当てる。
論文 参考訳（メタデータ） (2020-04-04T12:41:28Z) - Learning Delicate Local Representations for Multi-Person Pose Estimation [77.53144055780423]
我々はResidual Steps Network (RSN) と呼ばれる新しい手法を提案する。
RSNは同じ空間サイズ(イントラレベルの特徴)の機能を効率よく集約し、微妙な局所表現を得る。
当社のアプローチは,COCO Keypoint Challenge 2019で第1位を獲得しました。
論文 参考訳（メタデータ） (2020-03-09T10:40:49Z)
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。