文献

J-GLOBAL ID：202202229765750257   整理番号：22A1088212

署名検証システムにおける畳込みニューラルネットワークベースモデルの性能評価【JST・京大機械翻訳】

Performance Evaluation of Convolutional Neural Network Based Models On Signature Verification System

著者 (6件)： Suganthe R. C. (Kongu Engineering College,Erode,India) ,  Geetha M. (Kongu Engineering College,Erode,India) ,  Sreekanth G.R. (Kongu Engineering College,Erode,India) ,  Manjunath R. (Kongu Engineering College,Erode,India) ,  Krishna S.Mithilesh (Kongu Engineering College,Erode,India) ,  Balaji P.Muthu (Kongu Engineering College,Erode,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCCI  ページ： 1-6  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 認証のためのディジタル署名を持つディジタル文書に移動している人々であっても,土地記録,関係者間の一致,法的証明書,識別カードなどの大部分の分野は手書き署名のみを使用する。検証署名は,不正署名が実際の所有者に影響するので,重要なものである。したがって,真の署名を認識することは,そのような fraudを避けるために必須である。署名を認識するために,それは最も高い精度を生み出して,あまり多くの前処理を必要としないので,深い学習技術を本研究で使用した。畳み込みニューラルネットワーク(CNN)ベースの深層学習モデルは,画像処理,分類,およびセグメンテーションのためにほとんど使用される。CNNアルゴリズムがKNN,SVMなどを学習するので,CNNをより良い分類のために本研究で使用した。VGG16,開始v3,CNNのようなCNNベースのモデルを,3つと4つの畳み込み層で,この分類のために訓練した。データセットは,それぞれ50の署名を有する10の異なるユーザから署名を集めることによって作成される。500の署名のうち,400は訓練のために,そして100は試験のために使用された。これらの4つのモデルの中で,開始V3は前処理画像で95%の最高精度を生じたが,同じモデルは入力として非処理画像を与えると88%しか生産しなかった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *畳込み ,  学習 ,  セグメンテーション ,  前処理 ,  画像処理 ,  土地 ,  ディジタル方式 ,  ディジタル署名 ,  性能評価
準シソーラス用語： 手書き ,  証明書 ,  深層学習 ,  所有者 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 署名 ,  検証 ,  畳込みニューラルネットワーク ,  モデル ,  性能評価