| 研究課題/領域番号 |
21K11942
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 東京電機大学 (2022)
埼玉工業大学 (2021) |
|---|
研究代表者 |
大山 航 東京電機大学, システム デザイン 工学部, 教授 (10324550)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 署名照合 / バイオメトリクス / 生体認証 / パターン認識 |
|---|
| 研究開始時の研究の概要 |
機械学習技術を活用した署名照合の自動化には，（１）照合判定根拠に対する説明性の向上，（２）照合精度の向上，（３）様々な言語の署名を統一的に照合できるユニバーサル性の向上といった課題が残されている．
本研究は，主に以下の３項目について研究を行い，有用かつ実用的な自動署名照合の確立を目指す．（１）機械学習を活用した自動署名照合における照合判定根拠を説明できる技術の開発，（２）応募者らが開発した組み合わせ分割署名照合や，応募者らが初めて署名照合に適用したランキング学習等を活用した自動署名照合の高度化，（３）様々な言語の署名を統一的に照合する「ユニバーサル署名照合」の実現
|
| 研究実績の概要 |
署名照合は国際的には社会的に広く受け入れられている本人確認手法である．機械学習技術を活用した署名照合の自動化には，(1)照合判定根拠に対する説明 性の向上，(2)照合精度の向上，(3)様々な言語の署名を統一的に照合できるユニバーサル性の向上といった課題が残されている．本研究は，主に以下の3項目について研究を行い，有用かつ実用的な自動署名照合の確立を目指す．(1)機械学習を活用した自動署名照合における照合判定根拠を説明できる技術の開発，(2)我々が開発した組み合わせ分割署名照合や，初めて署名照合に適用したランキング学習等を活用した自動署名 照合の高度化，(3)様々な言語の署名を統一的に照合する「ユニバーサル署名照合」の実現
2022年度は，主に(1)および(2)に取り組んだ．深層学習手法の判断根拠可視化技術であるGradCAMやPSMに加え，注視マップ（Attention Map）を署名照合に導入し，判断根拠可視化が可能であるかを検証した．また，署名照合の性能向上のために，手書き文字字形の定量評価や，典型文字の持つ特性を引き続き調査した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は(1)機械学習を活用した自動署名照合における照合判定根拠を説明できる技術の開発，(2)組み合わせ分割署名照合や，ランキング学習等を活用した自動署名照合の高度化に取り組んだ．研究代表者の異動もあり対外発表は実施できなかったが，研究プロジェクトはおおむね順調に進展している．
|
| 今後の研究の推進方策 |
署名照合手法の評価には種々のデバイスで取得された署名のデータセットが必要である.これまで公開されている評価用データセットは比較的低品質な署名を含 むものが多く，署名データの品質を調整しつつ評価を行えるデータセットを構築するために，署名データの収集を行う．また，提案手法の利点のひとつである第2段目の識別器に様々な機械学習手法を導入できる点について，種々の手法の判定結果を比較し，内部パラメータの状態 等を解析して，判定の根拠となったパラメータや，判定への寄与が大きかった特徴量等を取り出す手法を開発する．
|
