Abstract:
PROBLEM TO BE SOLVED: To provide a system and method for wirelessly authenticating a user by use of an acquired biometrics (e.g., fingerprint) and a locally stored biometric template. SOLUTION: A smart card system that is utilized in biometric authentication is slow in processing, and the card itself includes the added disadvantage of being misplaced or lost. Moreover, storing biometric data (on a database) over a network poses security issues that in extreme instances can be compromised. Significant security can be achieved if the biometric template 406 is stored locally in a portable device 404. A user 402 can use the portable device 404 to either transmit wirelessly the stored biometric for authentication purposes, or the user can locally measure a biometric using the portable device and match it against a biometric which is also stored locally (in the portable device). COPYRIGHT: (C)2010,JPO&INPIT
Abstract:
PROBLEM TO BE SOLVED: To provide a system and a method for authenticating a user by a radio communication, using an acquired bio-metric (for example fingerprint) and a bio-metric template stored locally. SOLUTION: A smart card system used for bio-metric authentication is slow in a processing speed, and the card itself has additionally demerits of erroneous storage or loss. A problem of security of the possibility exposed to risk is exhibited in storage (in a database) of a bio-metric data via a network. High security is attained when the bio-metric template is stored locally in a portable device. The user uses the portable device to radio-transmit the bio-metric stored for the authentication, or measures locally the bio-metric using the portable device to collated with bio-metric stored locally (in the portable device).
Abstract:
Verfahren zum Bestimmen einer globalen Position eines observierten Objektes, wobei es sich bei dem observierten Objekt um wenigstens eine fehlende Eisenbahnschienenkomponente oder eine beschädigte Eisenbahnschienenkomponente handelt, wobei das Verfahren aufweist:Beziehen einer ersten globalen Position des observierten Objektes mit wenigstens einer Positionsbestimmungseinheit;Ermitteln, ob ein Satz an gespeicherten visuellen Eigenschaftsdaten wenigstens eines Wegepunktes mit einem Satz an visuellen Eigenschaftsdaten übereinstimmt, der anhand von wenigstens einem aufgenommen Bild bezogen wurde, das eine zu dem observierten Objekt gehörende Szene aufweist;Ermitteln, ob dieses wenigstens eine Bild irgendwelche fehlenden oder beschädigten Eisenbahnschienenkomponenten aufweist, undErmitteln, in Reaktion darauf, dass der Satz an gespeicherten visuellen Eigenschaftsdaten mit dem bezogenen Satz an visuellen Eigenschaftsdaten übereinstimmt, einer zweiten globalen Position des observierten Objektes auf der Grundlage von gespeicherten Standortdaten, die zu dem wenigstens einen Wegepunkt und der ersten globalen Position gehören, wobei die zweite globale Position des Weiteren auf der Grundlage von wenigstens einer Zählung von Eisenbahnschwellen und einer ab einem Bezugspunkt zurückgelegten Entfernung ermittelt wird.
Abstract:
Verfahren zum Darstellen von innerhalb von 2D-Videodaten verfolgten Objekten durch 3D-Modelle, wobei das Verfahren aufweist:Erkennen und Verfolgen einer Bewegung eines Objekts innerhalb eines Umgebungssichtfelds einer 2D-Dateneinspeisung (Feed) einer kalibrierten Videokamera, wobei die Kamera so kalibriert ist, dass sie innerhalb eines Kontextes einer räumlichen Höhe, Ausrichtung und Position eines 3D-Modells der Umgebung des Kamerasichtfelds platziert wird;Lokalisieren eines Zentroids des verfolgten Objekts;Ermitteln einer Schnittstelle des Zentroids mit einer Grundebene innerhalb des Umgebungssichtfelds;initialisieren eines gittergestützten 3D-Volumenmodells, das sich für das verfolgte Objekt innerhalb des räumlichen Kontextes des 3D-Modells der Umgebung eignet, durch Verwenden einer Rückprojektion eines entsprechenden 2D-Bildes des verfolgten Objekts als Funktion des Zentroids und der ermittelten Schnittstelle mit der Grundebene;Darstellen einer nichtlinearen Dynamik eines verfolgten Bewegungspfades des Objekts in den 2D-Bilddaten als Sammlung unterschiedlicher lokaler linearer Modelle;Projizieren einer Struktur des 2D-Objekts auf das 3D-Modell; undErweitern der 2D-Verfolgungen des Objekts um 3D-Bewegungen, um das 3D-Modell in dynamischem netzgittergestützten 3D zu betreiben, durch Lernen einer gewichteten Kombination der unterschiedlichen lokalen linearen Modelle, die einen Bildfehler aufgrund einer erneuten Projektion in Bezug auf eine Modellbewegung minimiert.
Abstract:
Ein System und Verfahren erkennen Objekte in einem digitalen Bild. Es werden mindestens Positionsdaten empfangen, die einem Fahrzeug zugeordnet sind. Geographische Informationen, die zu den Positionsdaten gehören, werden empfangen. Auf der Grundlage der geographischen Daten wird eine Wahrscheinlichkeit für das Erkennen eines Zielobjektes innerhalb eines entsprechenden geographischen Bereichs ermittelt. Die Wahrscheinlichkeit wird mit einem gegebenen Schwellenwert verglichen. Als Reaktion darauf, dass die Wahrscheinlichkeit größer oder gleich dem gegebenen Schwellenwert ist, wird ein Objekterkennungsprozess mindestens eines von aktiviert und in einem aktivierten Zustand gehalten. Der Objekterkennungsprozess erkennt Zielobjekte innerhalb eines Bildes, das mindestens ein Einzelbild einer Videobildfolge einer externen Umgebung darstellt. Als Reaktion darauf, dass die Wahrscheinlichkeit unter dem gegebenen Schwellenwert liegt, wird der Objekterkennungsprozess mindestens eines von deaktiviert und in einem deaktivierten Zustand gehalten.
Abstract:
Durch einen Computer umgesetztes Verfahren, wobei das Verfahren aufweist:Empfangen (210) von vollständig homomorph verschlüsselten, FHE, Informationen von einer Client-Einheit (104);Schulen eines Maschinenlernmodells durch Verwenden der FHE-Informationen, durch das sich FHE-Chiffretexte ergeben;Anwenden (220) einer ersten Transformation auf die FHE-Chiffretexte, durch das sich verschleierte FHE-Chiffretexte ergeben, wobei ein Anwenden der ersten Transformation einen Frequenzaspekt der FHE-Chiffretexte verschleiert.;Senden (230) der verschleierten FHE-Chiffretexte an eine sichere Einheit;Empfangen (240) einer erneut verschlüsselten Version der verschleierten FHE-Chiffretexte von der sicheren Einheit;Anwenden (250) einer zweiten Transformation auf die erneut verschlüsselte Version der verschleierten FHE-Chiffretexte, durch das sich entschleierte, erneut verschlüsselte FHE-Chiffretexte ergeben;Schulen des ML-Modells durch Verwenden der erneut verschlüsselten FHE-Chiffretexte, durch das sich FHE-ML-Modellparameter ergeben; undSenden (270) der FHE-ML-Modellparameter an die Client-Einheit (104).
Abstract:
Diese Offenbarung stellt ein Verfahren, eine Vorrichtung und ein Computerprogrammprodukt zum Erstellen eines Modells für maschinelles Lernen bereit, das für eine vollständig homomorphe Verschlüsselung (FHE) optimiert ist. Der Ansatz hierin nutzt einen Rahmen zur Wissensdestillation, bei dem das FHE-optimierte (Schüler-) ML-Modell die Vorhersagen eines komplexeren (Lehrer-) Modells genau nachahmt, wobei das Lehrermodell im Vergleich zu dem Schülermodell komplexer ist und vorab mit großen Datensätzen trainiert wurde. Bei dem Ansatz hierin verwendet der Destillationsrahmen das komplexere Lehrermodell, um das Trainieren des FHE-optimierten Modells zu ermöglichen, allerdings unter Verwendung von synthetisch generierten Trainingsdaten anstelle der ursprünglichen Datensätze, die zum Trainieren des Lehrers verwendet wurden.
Abstract:
Methods and systems for managing vegetation include training a machine learning model based on an image of a training data region before a weather event, an image of the training data region after the weather event, and information regarding the weather event. A risk score is generated for a second region using the trained machine learning model based on an image of the second region and predicted weather information for the second region. The risk score is determined to indicate high-risk vegetation in the second region. A corrective action is performed to reduce the risk of vegetation in the second region.
Abstract:
Ein durch einen Computer ausgeführtes Verfahren ändert physische Klassenzimmer-Ressourcen in einem Klassenzimmer. Ein oder mehrere Prozessoren identifizieren und quantifizieren physische Klassenzimmer-Ressourcen in dem Klassenzimmer beruhend auf Sensormesswerten, die von Sensoren in einem Klassenzimmer empfangen werden. Die Prozessoren stellen Einschränkungen von physischen Klassenzimmer-Ressourcen, die das Lernen durch Schüler in dem Klassenzimmer behindern, beruhend auf den Sensormesswerten von den Sensoren in dem Klassenzimmer fest. Die Prozessoren erfassen eine oder mehrere der Einschränkungen von physischen Klassenzimmer-Ressourcen bei den durch die Sensormesswerte identifizierten physischen Klassenzimmer-Ressourcen und passen dann die eine oder mehreren physischen Klassenzimmer-Ressourcen beruhend auf der einen oder den mehreren erkannten Einschränkungen von physischen Klassenzimmer-Ressourcen an.