JP2022547036A - 物理的な手がかり誘導マルチソースマルチチャンネルフレームワークを用いた顔なりすまし検出 - Google Patents
物理的な手がかり誘導マルチソースマルチチャンネルフレームワークを用いた顔なりすまし検出 Download PDFInfo
- Publication number
- JP2022547036A JP2022547036A JP2022514258A JP2022514258A JP2022547036A JP 2022547036 A JP2022547036 A JP 2022547036A JP 2022514258 A JP2022514258 A JP 2022514258A JP 2022514258 A JP2022514258 A JP 2022514258A JP 2022547036 A JP2022547036 A JP 2022547036A
- Authority
- JP
- Japan
- Prior art keywords
- task
- biometric
- face
- depth
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 239000000463 material Substances 0.000 claims abstract description 75
- 230000001815 facial effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000000126 substance Substances 0.000 claims abstract description 16
- 230000004931 aggregating effect Effects 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000007246 mechanism Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 239000011521 glass Substances 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000003491 skin Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- -1 skin Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
Description
本出願は、2019年11月14日に出願された仮出願番号62/935,155及び2020年11月6日に出願された米国特許出願番号17/091,140に対する優先権を主張し、その全体が参照により本明細書に組み込まれる。。
関連技術の説明
Claims (20)
- 物理的な手がかり誘導マルチソースマルチチャネルフレームワークを使用して顔なりすまし検出を実施するためにコンピュータで実行する方法であって、
少なくとも1つの顔画像に関連付けられた顔認識データ、生体データおよび物質データを含むデータのセットを受信すること(410)と、
バックボーンニューラルネットワーク構造を使用して前記データのセットから共有特徴を取得すること(420)と、
前記共有特徴に基づいて、顔認識に対応するプレテキストタスクと、奥行き推定に対応する第1のプロキシタスクと、生体検出タスクと、物質予測に対応する第2のプロキシタスクとを実行すること(430)と、
顔なりすまし検出性能を高めるためにアテンション機構を使用して前記プレテキストタスク、前記第1のプロキシタスク、前記生体検出タスク、および前記第2のプロキシタスクの出力を集約すること(440)とを含む、方法。 - 前記生体データは、オフラインで準備された奥行きグラウンドトゥルースおよび物質グラウンドトゥルースを含み、前記物質データは、Materials in Context(MINC)データセットを含む、請求項1に記載の方法。
- 前記共有特徴を取得することは、共有特徴抽出器を使用して前記共有特徴を抽出することをさらに含む、請求項1に記載の方法。
- 前記第1のプロキシタスクは、奥行きチャネルアテンションマトリクスと共に奥行き予測を生成し、前記生体予測タスクは、生体特徴と対応する生体チャネルアテンションマトリクスとを生成し、前記物質予測タスクは、生体特徴と対応する物質チャネルアテンションマトリクスとを生成する、請求項1に記載の方法。
- 前記出力を集約することは、予測レベルのアテンションモデルを用いて、前記奥行きチャネルアテンションマトリクス、前記生体チャネルアテンションマトリクス、および前記物質チャネルアテンションマトリクスを組み合わせることを含む、請求項4に記載の方法。
- 前記顔なりすまし検出は、顔認識損失、l1ベースの再構成損失、少なくとも1つのクロスエントロピー損失、および少なくとも1つのマルチクラスソフトマックス損失を含む全体的な損失設計を実行する、請求項1に記載の方法。
- 前記顔なりすまし検出は、バイオメトリックシステム内で実行される、請求項1に記載の方法。
- 物理的な手がかり誘導マルチソースマルチチャンネルフレームワークを用いた顔なりすまし検出を実現する方法をコンピュータに実行させるために前記コンピュータによって実行可能なプログラム命令を有する、一時的でないコンピュータ読み取り可能な記憶媒体を備えるコンピュータプログラム製品であって、前記コンピュータによって実行される方法は、
少なくとも1つの顔画像に関連付けられた顔認識データ、生体データおよび物質データを含むデータのセットを受信すること(410)と、
バックボーンニューラルネットワーク構造を使用して前記データのセットから共有特徴を取得すること(420)と、
前記共有特徴に基づいて、顔認識に対応するプレテキストタスクと、奥行き推定に対応する第1のプロキシタスクと、生体検出タスクと、物質予測に対応する第2のプロキシタスクとを実行すること(430)と、
顔なりすまし検出性能を高めるためにアテンション機構を使用して前記プレテキストタスク、前記第1のプロキシタスク、前記生体検出タスク、および前記第2のプロキシタスクの出力を集約すること(440)とを含む、コンピュータプログラム製品。 - 前記生体データは、オフラインで準備された奥行きグラウンドトゥルースおよび物質グラウンドトゥルースを含み、前記物質データは、Materials in Context(MINC)データセットを含む、請求項8に記載のコンピュータプログラム製品。
- 前記共有特徴を取得することは、共有特徴抽出器を使用して前記共有特徴を抽出することをさらに含む、請求項8に記載のコンピュータプログラム製品。
- 前記第1のプロキシタスクは、奥行きチャネルアテンションマトリクスと共に奥行き予測を生成し、前記生体予測タスクは、生体特徴と対応する生体チャネルアテンションマトリクスとを生成し、前記物質予測タスクは、生体特徴と対応する物質チャネルアテンションマトリクスとを生成する、請求項8に記載のコンピュータプログラム製品。
- 前記出力を集約することは、予測レベルのアテンションモデルを用いて、前記奥行きチャネルアテンションマトリクス、前記生体チャネルアテンションマトリクス、および前記物質チャネルアテンションマトリクスを組み合わせることを含む、請求項11に記載のコンピュータプログラム製品。
- 前記顔なりすまし検出は、顔認識損失、l1ベースの再構成損失、少なくとも1つのクロスエントロピー損失、および少なくとも1つのマルチクラスソフトマックス損失を含む全体的な損失設計を実行する、請求項8に記載のコンピュータプログラム製品。
- 前記顔なりすまし検出は、バイオメトリックシステム内で実行される、請求項8に記載のコンピュータプログラム製品。
- 物理的な手がかり誘導マルチソースマルチチャネルフレームワークを使用して顔なりすまし検出を実施するためのシステムであって、
プログラムコードを格納するメモリ装置と、
前記メモリ装置と動作可能に結合され、前記メモリ装置に記憶されたプログラムコードを実行するように構成された少なくとも1つのプロセッサ装置とを有し、前記プロセッサ装置は、
少なくとも1つの顔画像に関連付けられた顔認識データ、生体データおよび物質データを含むデータのセットを受信し(410)、
バックボーンニューラルネットワーク構造を使用して前記データのセットから共有特徴を取得し(420)、
前記共有特徴に基づいて、顔認識に対応するプレテキストタスクと、奥行き推定に対応する第1のプロキシタスクと、生体検出タスクと、物質予測に対応する第2のプロキシタスクとを実行し(430)、
顔なりすまし検出性能を高めるためにアテンション機構を使用して前記プレテキストタスク、前記第1のプロキシタスク、前記生体検出タスク、および前記第2のプロキシタスクの出力を集約する(440)、システム。 - 前記生体データは、オフラインで準備された奥行きグラウンドトゥルースおよび物質グラウンドトゥルースを含み、前記物質データは、Materials in Context(MINC)データセットを含む、請求項15に記載のシステム。
- 前記共有特徴を取得することは、共有特徴抽出器を使用して前記共有特徴を抽出することをさらに含む、請求項15に記載のシステム。
- 前記第1のプロキシタスクは、奥行きチャネルアテンションマトリクスと共に奥行き予測を生成し、前記生体予測タスクは、生体特徴と対応する生体チャネルアテンションマトリクスとを生成し、前記物質予測タスクは、生体特徴と対応する物質チャネルアテンションマトリクスとを生成し、前記出力を集約することは、予測レベルのアテンションモデルを用いて、前記奥行きチャネルアテンションマトリクス、前記生体チャネルアテンションマトリクス、および前記物質チャネルアテンションマトリクスを組み合わせることを含む、請求項15に記載のシステム。
- 前記顔なりすまし検出は、顔認識損失、l1ベースの再構成損失、少なくとも1つのクロスエントロピー損失、および少なくとも1つのマルチクラスソフトマックス損失を含む全体的な損失設計を実行する、請求項15に記載のシステム。
- 前記顔なりすまし検出は、バイオメトリックシステム内で実行される、請求項15に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962935155P | 2019-11-14 | 2019-11-14 | |
US62/935,155 | 2019-11-14 | ||
US17/091,140 US11250282B2 (en) | 2019-11-14 | 2020-11-06 | Face spoofing detection using a physical-cue-guided multi-source multi-channel framework |
US17/091,140 | 2020-11-06 | ||
PCT/US2020/059662 WO2021096801A1 (en) | 2019-11-14 | 2020-11-09 | Face spoofing detection using a physical-cue-guided multi-source multi-channel framework |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022547036A true JP2022547036A (ja) | 2022-11-10 |
Family
ID=75908188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022514258A Pending JP2022547036A (ja) | 2019-11-14 | 2020-11-09 | 物理的な手がかり誘導マルチソースマルチチャンネルフレームワークを用いた顔なりすまし検出 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11250282B2 (ja) |
JP (1) | JP2022547036A (ja) |
DE (1) | DE112020005560T5 (ja) |
WO (1) | WO2021096801A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11783628B2 (en) * | 2021-05-18 | 2023-10-10 | ID R&D Inc. | Method and computing device for performing a crowdsourcing task |
CN113554006A (zh) * | 2021-09-18 | 2021-10-26 | 北京的卢深视科技有限公司 | 人脸假体体系构建方法、电子设备及存储介质 |
US11776323B2 (en) | 2022-02-15 | 2023-10-03 | Ford Global Technologies, Llc | Biometric task network |
USD981163S1 (en) | 2022-05-06 | 2023-03-21 | Nextboom, Inc. | Beverage warmer |
CN115116111B (zh) * | 2022-06-24 | 2023-03-24 | 北京百度网讯科技有限公司 | 抗扰动人脸活体检测模型训练方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180130324A1 (en) * | 2016-11-08 | 2018-05-10 | Nec Laboratories America, Inc. | Video security system using a siamese reconstruction convolutional neural network for pose-invariant face recognition |
US20180276488A1 (en) * | 2017-03-27 | 2018-09-27 | Samsung Electronics Co., Ltd. | Liveness test method and apparatus |
JP2019508801A (ja) * | 2016-07-22 | 2019-03-28 | エヌイーシー ラボラトリーズ アメリカ インクNEC Laboratories America, Inc. | なりすまし防止顔認識のための生体検知 |
JP2019175176A (ja) * | 2018-03-28 | 2019-10-10 | 富士通株式会社 | 適合度算出プログラム、適合度算出方法、適合度算出装置、識別プログラム、識別方法及び識別装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016197297A1 (zh) * | 2015-06-08 | 2016-12-15 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
US10970629B1 (en) * | 2017-02-24 | 2021-04-06 | Amazon Technologies, Inc. | Encodings for reversible sparse dimensionality reduction |
US10671918B2 (en) * | 2017-10-24 | 2020-06-02 | International Business Machines Corporation | Attention based sequential image processing |
US11928600B2 (en) * | 2017-10-27 | 2024-03-12 | Salesforce, Inc. | Sequence-to-sequence prediction using a neural network model |
US11657525B2 (en) * | 2018-12-04 | 2023-05-23 | Yoti Holding Limited | Extracting information from images |
-
2020
- 2020-11-06 US US17/091,140 patent/US11250282B2/en active Active
- 2020-11-09 JP JP2022514258A patent/JP2022547036A/ja active Pending
- 2020-11-09 WO PCT/US2020/059662 patent/WO2021096801A1/en active Application Filing
- 2020-11-09 DE DE112020005560.4T patent/DE112020005560T5/de active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019508801A (ja) * | 2016-07-22 | 2019-03-28 | エヌイーシー ラボラトリーズ アメリカ インクNEC Laboratories America, Inc. | なりすまし防止顔認識のための生体検知 |
US20180130324A1 (en) * | 2016-11-08 | 2018-05-10 | Nec Laboratories America, Inc. | Video security system using a siamese reconstruction convolutional neural network for pose-invariant face recognition |
US20180276488A1 (en) * | 2017-03-27 | 2018-09-27 | Samsung Electronics Co., Ltd. | Liveness test method and apparatus |
JP2019175176A (ja) * | 2018-03-28 | 2019-10-10 | 富士通株式会社 | 適合度算出プログラム、適合度算出方法、適合度算出装置、識別プログラム、識別方法及び識別装置 |
Non-Patent Citations (3)
Title |
---|
HAONAN CHEN ET AL.: ""Attention-Based Two-Stream Convolutional Networks for Face Spoofing Detection"", IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, vol. 15, JPN6023012059, 17 June 2019 (2019-06-17), US, pages 578 - 593, ISSN: 0005222301 * |
SEAN BELL ET AL.: ""Material Recognition in the Wild with the Materials in Context Database"", 2015 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), JPN6023012058, 7 June 2015 (2015-06-07), US, pages 3479 - 3487, ISSN: 0005222302 * |
周 林、岩野 公司: ""Kinectを用いた実在確認機能を有するマルチモーダル個人認証システム"", 電子情報通信学会技術研究報告, vol. 117, no. 513, JPN6023012057, 11 March 2018 (2018-03-11), JP, pages 61 - 66, ISSN: 0005030367 * |
Also Published As
Publication number | Publication date |
---|---|
US11250282B2 (en) | 2022-02-15 |
WO2021096801A1 (en) | 2021-05-20 |
DE112020005560T5 (de) | 2022-08-25 |
US20210150240A1 (en) | 2021-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022547036A (ja) | 物理的な手がかり誘導マルチソースマルチチャンネルフレームワークを用いた顔なりすまし検出 | |
CN107766786B (zh) | 活性测试方法和活性测试计算设备 | |
US20220327189A1 (en) | Personalized biometric anti-spoofing protection using machine learning and enrollment data | |
Zhang et al. | Face anti-spoofing detection based on DWT-LBP-DCT features | |
Sedik et al. | An efficient cybersecurity framework for facial video forensics detection based on multimodal deep learning | |
Nayerifard et al. | Machine learning in digital forensics: a systematic literature review | |
Di Domenico et al. | Combining identity features and artifact analysis for differential morphing attack detection | |
Dhesi et al. | Mitigating adversarial attacks in deepfake detection: An exploration of perturbation and ai techniques | |
Jadhav et al. | HDL-PI: hybrid DeepLearning technique for person identification using multimodal finger print, iris and face biometric features | |
CN115797747A (zh) | 基于模型权重变异和置信度距离的对抗样本检测方法 | |
Mallet et al. | Deepfake detection analyzing hybrid dataset utilizing cnn and svm | |
Benegui et al. | Adversarial attacks on deep learning systems for user identification based on motion sensors | |
Lotfi et al. | Cross-validation probabilistic neural network based face identification | |
JP7270839B2 (ja) | 顔認識のための汎用特徴表現学習 | |
CN115953849A (zh) | 活体检测模型的训练方法、活体检测方法及系统 | |
WO2022217294A1 (en) | Personalized biometric anti-spoofing protection using machine learning and enrollment data | |
Khade et al. | Machine learning-based iris liveness identification using fragmental energy of cosine transformed iris images | |
Therar et al. | Personal Authentication System Based Iris Recognition with Digital Signature Technology | |
Therar et al. | Personal authentication system based on iris recognition and digital signature technology | |
Ramkumar et al. | IRIS DETECTION FOR BIOMETRIC PATTERN IDENTIFICATION USING DEEP LEARNING. | |
Maurya et al. | Spoofed Video Detection Using Histogram of Oriented Gradients | |
Kadiri et al. | Morphed Picture Recognition using Machine Learning Algorithms | |
Alshammari | E-passport security systems and attack implications | |
Sharma et al. | Deep Transfer Learning for Face Spoofing Detection | |
Lakshminarasimha et al. | Deep Learning Base Face Anti Spoofing-Convolutional Restricted Basis Neural Network Technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230512 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231219 |