面向波斯语离线签名验证的主动迁移学习
计算机视觉与模式识别
2019-08-09 v1 机器学习
机器学习
摘要
离线签名验证（OSV）仍是一项具有挑战性的模式识别任务，尤其在训练时不存在熟练伪造签名的情况下。当仅有少量标注训练数据但类内差异较大时，这一挑战更为严峻。在本研究中，我们采用主动学习方法应对该问题，该方法筛选信息量最大的样本进行标注，从而显著减少人工标注工作量。我们提出的 OSV 包含三个步骤：特征学习、主动学习与最终验证。在特征学习中，我们利用预训练 CNN 的迁移学习。我们还针对每个用户提出基于 SVM 的主动学习，以区分其真实签名与随机伪造签名。最后我们使用 SVM 验证待测签名的真伪。我们在 UTSig（一个波斯语离线签名数据集）上验证了所提出的主动迁移学习方法。与随机选取样本相比，我们取得了近 13% 的提升。我们的结果还显示，相较于最先进（state-of-the-art）方法（其使用每用户多标注 5 个样本的全监督设定），有 1% 的提升。
引用
@article{arxiv.1903.06255,
title = {Active Transfer Learning for Persian Offline Signature Verification},
author = {Taraneh Younesian and Saeed Masoudnia and Reshad Hosseini and Babak N. Araabi},
journal= {arXiv preprint arXiv:1903.06255},
year = {2019}
}