基于轻量级混合深度学习模型的在线签名验证
计算机视觉与模式识别
2019-07-10 v1 机器学习
摘要
基于深度学习的模型在各种人工智能相关问题中的使用日益增多，这得益于更深层级的现代架构以及大量已标注数据集的可用性。基于这些架构的模型需要巨大的训练与存储成本，这使得它们难以高效用于在线签名验证（OSV）等关键应用，也难以部署在资源受限设备上。作为解决方案，本工作贡献有两点：1）一种高效的降维技术，以减少需考虑的特征数量；2）一种用于在线签名验证的基于CNN-LSTM的SOTA混合架构。在公开数据集MCYT、SUSIG、SVC上的充分实验表明，所提模型即便在仅有一个训练样本的情况下也能取得更好的准确率。所提模型在这三个数据集各类别上均取得了SOTA性能。
引用
@article{arxiv.1907.04061,
title = {A Light weight and Hybrid Deep Learning Model based Online Signature Verification},
author = {Chandra Sekhar V. and Anoushka Doctor and Prerana Mukherjee and Viswanath Pulabaigiri},
journal= {arXiv preprint arXiv:1907.04061},
year = {2019}
}
备注
accepted in ICDAR-WML: The 2nd International Workshop on Machine Learning 2019