.png){kind=icon}
返回
Deep Learning-Based Source Printer Identification from Microscopic Ink Dots Using Morphology-Based Augmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09321-9_31.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在法医调查中，印刷文档的精确追踪至关重要；然而，获取用于训练深度学习模型的足够数量的真实显微墨点图像既资源密集又成本高昂。为解决这一挑战，本研究引入了一种基于形态学的数据增强策略，通过模拟包括旋转、平移、缩放和局部形变在内的真实变化，在增强数据集多样性的同时保持墨点形态结构的完整性。该方法不仅缓解了数据稀缺问题，还提高了模型效率和泛化能力。在五种先进的深度学习架构（ConvNeXt-Tiny、CoAtNet-0、ResNet-50、TinyViT-21M和MobileViT-XS）上进行了全面评估，评估了不同硬件平台（从高性能台式机到资源受限的嵌入式设备）上的分类性能和部署可行性。实验结果表明，基于形态学的增强显著提升了模型泛化能力，其中MobileViT-XS实现了最显著的改进（2.71%），而ConvNeXt-Tiny达到了最高的验证准确率（97.29%）。这些发现强调了现代CNN-Transformer混合架构在可扩展、低成本和高精度打印机来源识别方面的有效性，并强化了其在实际法医调查中的应用价值。
Keyword:
Source Printer Identification
Morphology-based Augmentation
Deep Learning
CNN-Transformer hybrid
期刊
C
IF:
0
论文数:
34
被引数:
0
机构
引用论文
分享收藏DeepOtsu: Document enhancement and binarization using iterative deep learning.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
Building an expert system for printer forensics: A new printer identification model based on niching genetic algorithm建立打印机取证专家系统: 基于niching遗传算法的打印机识别模型EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏分享收藏Features Selection in Microscopic Printing Analysis for Source Printer Identification with Machine Learning基于机器学习的微观打印分析中的特征选择用于打印机来源识别
PREAI
分享收藏
查看更多内容