Implementing Deep Convolutional Neural Networks for QR Code-Based Printed Source Identification

doi:10.3390/a16030160

Implementing Deep Convolutional Neural Networks for QR Code-Based Printed Source Identification

2023-03-14

0

OA

AI

DOI：10.3390/a16030160

原文链接

原文求助

摘要

En 中文

QR码（全称Quick Response codes）最初是为汽车行业开发，用于追踪工厂库存和物流，但由于智能手机和手机摄像头的广泛应用，其 popularity 近年来显著扩大。QR码可用于多种用途，包括库存追踪、广告、电子票务和移动支付。尽管它们方便且广泛用于存储和共享信息，但其 accessibility 也意味着它们可能被轻易伪造。数字取证可用于识别打印文档的直接来源，包括QR码，这对于伪造文档的调查和伪造者的起诉至关重要。该过程涉及使用光学机制来识别源打印机和副本之间的关系。关于计算机视觉和机器学习的技术，如卷积神经网络（CNNs），可用于研究和总结统计特征，以提高识别精度。本研究实现了AlexNet、DenseNet201、GoogleNet、MobileNetv2、ResNet、VGG16等预训练CNN模型，以评估它们在预测QR码来源打印机方面的能力，并追求高精度。其中，定制的CNN模型在识别灰度及彩色QR码的打印来源方面表现出更优结果，且计算能力和训练时间更少。

Implementing Deep Convolutional Neural Networks for QR Code-Based Printed Source Identification

摘要

期刊

机构

引用论文