基于深度卷积神经网络特征与写者无关策略的离线签名验证方法
计算机视觉与模式识别
2018-07-31 v1 机器学习
机器学习
摘要
与使用深度卷积神经网络 (CNN) 提取的特征结合写者相关 (writer-dependent, WD) SVM 分类器相比，先前最先进的手写签名验证 (handwritten signature verification, HSV) 方法性能得到显著提升。本工作研究了在写者无关 (writer-independent, WI) HSV 场景下，结合二分类变换与使用 SVM 写者无关分类器，这些 CNN 特征是否能提供良好结果。在 Brazilian 和 GPDS 数据集上进行的实验表明：(i) 所提方法优于文献中其他 WI-HSV 方法；(ii) 在全局阈值场景下，所提方法在 Brazilian 数据集上能够优于带 CNN 特征的写者相关方法；(iii) 在用户阈值场景下，结果与带 CNN 特征的写者相关方法所得结果相近。
引用
@article{arxiv.1807.10755,
title = {A writer-independent approach for offline signature verification using deep convolutional neural networks features},
author = {Victor L. F. Souza and Adriano L. I. Oliveira and Robert Sabourin},
journal= {arXiv preprint arXiv:1807.10755},
year = {2018}
}