फिंगरमार्क गुणवत्ता आकलन फ्रेमवर्क क्लासिक और गहरे öğrenme एन्सेम्बल मॉडल के साथ

फिंगरमार्क (लेटेंट फिंगरप्रिंट) की गुणवत्ता का आकलन फोरेंसिक जांच का एक आवश्यक भाग है। यह दर्शाता है कि फिंगरमार्क फोरेंसिक सबूत के रूप में कितने मूल्यवान हैं, यह निर्धारित करता है कि उन्हें आगे कैसे संसाधित किया जाना चाहिए, और यह सफल पहचान की संभावना से जुड़ा होता है, यानी संदर्भ डेटाबेस में मेल खाता हुआ फिंगरप्रिंट खोजना। चूंकि फिंगरमार्क जिस वातावरण में पाए जाते हैं वह नियंत्रित नहीं होता, यह कार्य आधुनिक मशीन लर्निंग समाधानों के साथ भी चुनौतीपूर्ण साबित होता है। इस कार्य में, हम स्वचालित फिंगरमार्क गुणवत्ता आकलन (AFQA) के लिए एक भविष्यवाणी फ्रेमवर्क का प्रस्ताव करते हैं। AFQA के इस पुनरावृत्ति के साथ, हम हस्तनिर्मित विशेषताओं वाली क्लासिक मशीन लर्निंग दृष्टिकोण और आधुनिक गहरे लर्निंग पैराजाइम के बीच की खाई को पाटते हैं, इन विधियों के लाभ और हानि का मूल्यांकन करते हैं, और AFQA विधियों के भविष्य के विकास के लिए तर्क और दिशा प्रदान करते हैं। हम एक महत्वपूर्ण रूप से बेहतर AFQA टूलबॉक्स पेश करते हैं और गुणवत्ता संग aggregation विधि प्रदान करते हैं जो गुणवत्ता आकलन मॉडलों के एक एन्सेम्बल से कई पूर्वानुमानित गुणवत्ता मानों को जोड़ने में सक्षम है। प्रस्तावित एन्सेम्बल दृष्टिकोण बेहतर भविष्यवाणी प्रदर्शन प्रदान करता है जबकि मौजूदा अत्याधुनिक समाधानों की तुलना में संसाधन समय को कम करता है।