論文の概要: Sex Estimation from Footwear Outsole Impressions Using CNN Transfer Learning and Interpretable Image Statistics

• arxiv url: http://arxiv.org/abs/2609.25386v2
• Date: Tue, 29 Sep 2026 03:59:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.520857
• Title: Sex Estimation from Footwear Outsole Impressions Using CNN Transfer Learning and Interpretable Image Statistics
• Title（参考訳）: CNN転送学習と解釈可能な画像統計を用いた靴のアウトソール印象からの性推定
• Abstract要約: 靴のアウトソール印象は、法医学的パターンの一般的な形態である。 畳み込みニューラルネットワーク(CNN)の変換学習と従来の特徴に基づく分類を比較した。 微調整のCNNは、全体的な予測性能が最も高い。
• 参考スコア（独自算出の注目度）: 1.5021664070059633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Footwear outsole impressions are a common form of forensic pattern evidence, yet quantitative methods for estimating wearer attributes from these images remain relatively underdeveloped. We investigate binary sex estimation from footwear outsole impressions by comparing convolutional neural network (CNN) transfer learning with traditional feature-based classification. Using a publicly available outsole-impression dataset, we adopt a shoe-level training and test partition that keeps replicate scans of the same physical shoe together to reduce data leakage. We evaluate pretrained CNNs through end-to-end fine-tuning, frozen feature extraction followed by support vector machine classification, and hybrid feature fusion incorporating handcrafted, geometric, and metadata-derived descriptors. Fine-tuned CNNs achieve the strongest overall predictive performance and substantially outperform traditional classifiers trained on the manually specified descriptors alone, while frozen-feature approaches offer a less computationally demanding alternative. Exploratory analysis of low-dimensional CNN representations reveals associations with frequency threshold ratio, image contrast, and wavelet-based summaries, providing a connection between learned representations and measurable properties of outsole impressions. These findings suggest that CNN transfer learning captures discriminative information beyond the descriptors considered and offers a promising approach to footwear-based forensic screening. Further validation on independently collected and casework-like impressions is needed before operational use.
• Abstract（参考訳）: 靴のアウトソール印象は、法医学的パターン証拠の一般的な形態であるが、これらの画像から着用者の属性を推定するための定量的手法は、比較的未発達のままである。 本稿では、畳み込みニューラルネットワーク(CNN)の変換学習と伝統的な特徴に基づく分類を比較して、履物外装印象からの二分性推定について検討する。 公開されているアウトソール印象データセットを使用して、同じ物理靴のスキャンを一緒に保持して、データの漏洩を低減するための、靴レベルのトレーニングとテストのパーティションを採用しています。 我々は,手工芸品,幾何学的,メタデータ由来のディスクリプタを組み込んだCNNを,エンドツーエンドの微調整,凍結機能抽出,サポートベクタマシン分類,ハイブリッド機能融合により評価した。 微調整のCNNは、手動で規定された記述子だけで訓練された従来の分類器よりもはるかに優れており、凍結機能アプローチは計算的に要求の少ない代替手段を提供する。 低次元CNN表現の探索解析により、周波数閾値比、画像コントラスト、ウェーブレットに基づく要約との関連が明らかとなり、学習された表現とアウトソール印象の計測可能な特性の関連性が得られる。 これらの結果は,CNN転送学習が記述者以外の識別情報を捉え,履物による法医学的検診に有望なアプローチをもたらすことを示唆している。 個別に収集されたケースワークのような印象に関するさらなる検証は、運用前に必要である。

関連論文リスト

• A Comparative Study of Custom CNNs, Pre-trained Models, and Transfer Learning Across Multiple Visual Datasets [0.0]
  畳み込みニューラルネットワーク(CNN)は、生のピクセルから階層的表現を学習する能力のため、視覚認識の標準的なアプローチである。 実際には、(i)コンパクトなカスタムCNNをスクラッチからトレーニングすること、(ii)大きな訓練済みCNNを固定特徴抽出器として使用すること、(iii)トレーニング済みのバックボーンの部分的または完全な微調整による転写学習を行うことがしばしばある。 本報告では,この3つのパラダイムを実世界の5つの画像分類データセットで比較した。
  論文  参考訳（メタデータ） (2026-01-05T16:26:32Z)
• Learning local discrete features in explainable-by-design convolutional neural networks [0.0]
  本稿では,側方抑制機構に基づくCNN(Design-by-Design Convolutional Neural Network)を提案する。 このモデルは、残留または高密度のスキップ接続を持つ高精度CNNである予測器で構成されている。 観測を収集し,直接確率を計算することにより,隣接するレベルのモチーフ間の因果関係を説明することができる。
  論文  参考訳（メタデータ） (2024-10-31T18:39:41Z)
• Benchmarking Out-of-Distribution Generalization Capabilities of DNN-based Encoding Models for the Ventral Visual Cortex [26.91313901714098]
  textitMacaqueITBenchは、マカク下側頭葉(IT)皮質からの神経集団反応の大規模なデータセットである。 画像からOF-Distribution(OOD)トレインとテストスプリットに分割し,神経活動を予測するモデルに対する分布シフトの影響を検討した。
  論文  参考訳（メタデータ） (2024-06-16T20:33:57Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Boosting Low-Data Instance Segmentation by Unsupervised Pre-training with Saliency Prompt [103.58323875748427]
  この研究は、低データ体制のための新しい教師なし事前学習ソリューションを提供する。 近年のPrompting技術の成功に触発されて,QEISモデルを強化した新しい事前学習手法を導入する。 実験結果から,本手法は3つのデータセット上でのいくつかのQEISモデルを大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-02-02T15:49:03Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• Large-Margin Representation Learning for Texture Classification [67.94823375350433]
  本稿では,テクスチャ分類のための小さなデータセット上で教師付きモデルをトレーニングするために,畳み込み層(CL)と大規模計量学習を組み合わせた新しいアプローチを提案する。 テクスチャと病理画像データセットの実験結果から,提案手法は同等のCNNと比較して計算コストが低く,収束が早く,競争精度が向上することが示された。
  論文  参考訳（メタデータ） (2022-06-17T04:07:45Z)
• ECLAD: Extracting Concepts with Local Aggregated Descriptors [6.470466745237234]
  そこで本研究では,CNNアクティベーションマップの画素ワイドアグリゲーションから得られた表現に基づいて,概念の自動抽出とローカライズを行う手法を提案する。 本稿では,主成分の画素単位のアノテーションを用いた合成データセットに基づく概念抽出手法の検証手法を提案する。
  論文  参考訳（メタデータ） (2022-06-09T14:25:23Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Deep Multilabel CNN for Forensic Footwear Impression Descriptor Identification [0.9786690381850356]
  我々は、法医学的ユースケースにおいて、Emphdescriptorsとして知られる履物印象の特徴を分類するために、深層学習アプローチを採用する。 我々は、異なるドメインのデータに基づいて事前訓練されたニューラルネットワークに、サンプル化されたグレースケールインプレッションを供給するための技術を開発し、評価する。
  論文  参考訳（メタデータ） (2021-02-09T19:39:28Z)

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。

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。