Earticle

현재 위치 Home

Oral Session I 인공지능 및 기계학습

개선된 DenseNet 기반 위조 QR코드 정밀 식별 방법
An Improved DenseNet-Based Accurate Identification of Counterfeit QR Codes

첫 페이지 보기
  • 발행기관
    한국차세대컴퓨팅학회 바로가기
  • 간행물
    한국차세대컴퓨팅학회 학술대회 바로가기
  • 통권
    2024 한국차세대컴퓨팅학회 춘계학술대회 (2024.04)바로가기
  • 페이지
    pp.55-58
  • 저자
    Wenqi Zhang, Muhammad Fayaz, Nur Alam, Sufyan Danish, L. Minh Dang, Hyeonjoon Moon
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A468723

원문정보

초록

영어
The QR Code was initially developed to monitor the manufacturing processes of automotive components. However, its application has expanded significantly across various industries over time. QR codes can be created through a range of methods, including online tools, mobile applications, and programming libraries. They are now widely used in several domains such as payment transactions, identity verification, and accessing product information. Despite the convenience offered by QR Codes, they are susceptible to risks, particularly the emergence of counterfeit QR codes. This article presents a novel classification algorithm that leverages the DenseNet architecture to identify fraudulent QR codes. By integrating multiple DenseNet layers (referred to as DenseLayers) atop the standard DenseNet framework, the algorithm enhances the classification model's efficacy. Additionally, we introduce a publicly available QR code dataset that employs the Mish activation function instead of the conventional ReLU activation function. Experimental evaluations reveal that the modified model achieves an average accuracy of 99.8%, representing a 0.5% improvement over the baseline model.

목차

Abstract
1. Introduction
2. Related work
3. Methodologies
3.1 DenseLayer
3.2 Mish
3.3 Dataset
4. Experiments
4.1 Experimental Environment
4.2 Ablation Experiment
4.3 Result Comparison
5. Conclusion
Acknowledgment
References

키워드

QR code Densenet Deep learning Classification

저자

  • Wenqi Zhang [ Department of Computer Science & Engineering Sejong Univerity Seoul,Republic of Korea ]
  • Muhammad Fayaz [ Department of Computer Science & Engineering Sejong Univerity ]
  • Nur Alam [ Department of Computer Science & Engineering Sejong Univerity ]
  • Sufyan Danish [ Department of Computer Science & Engineering Sejong Univerity ]
  • L. Minh Dang [ Department of Information and Communication Engineering and Convergence Engineering for Intelligent Drone Sejong Univerity ]
  • Hyeonjoon Moon [ Department of Computer Science & Engineering Sejong Univerity ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
  • 설립연도
    2005
  • 분야
    공학>컴퓨터학
  • 소개
    본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.

간행물

  • 간행물명
    한국차세대컴퓨팅학회 학술대회
  • 간기
    반년간
  • 수록기간
    2021~2025
  • 십진분류
    KDC 566 DDC 004

이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2024 한국차세대컴퓨팅학회 춘계학술대회

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.