基于注意力的端到端网络用于单词级数据的离线笔迹鉴别
计算机视觉与模式识别
2025-10-14 v3 机器学习
摘要
笔迹鉴别因其在各个领域的广泛应用而近年来受到欢迎。在存在最佳手写样本的场景中，无论是单行、单句还是整页形式，笔迹鉴别算法都表现出了显著的准确性。然而，在仅有有限手写样本可用的情况下，特别是以单词图像的形式，仍有很大的改进空间。在本文中，我们提出了一种基于注意力驱动的卷积神经网络的笔迹鉴别系统。该系统利用从单词图像中提取的图像片段（称为碎片）进行训练，采用基于金字塔的策略。这种方法使系统能够捕获数据的全面表示，涵盖不同抽象层次的细粒度细节和粗粒度特征。这些提取的碎片作为卷积网络的训练数据，使其能够学习比传统基于单词图像训练的卷积网络更鲁棒的表示。此外，本文还探讨了集成注意力机制以增强所学特征的表示能力。所提出算法的有效性在三个基准数据库上进行了评估，证明了其在笔迹鉴别任务中的能力，特别是在手写数据访问受限的场景中。
引用
@article{arxiv.2404.07602,
title = {Attention based End to end network for Offline Writer Identification on Word level data},
author = {Vineet Kumar and Suresh Sundaram},
journal= {arXiv preprint arXiv:2404.07602},
year = {2025}
}