使用循环神经网络的生物特征签名验证
计算机视觉与模式识别
2022-05-09 v1
摘要
基于循环神经网络（RNNs）的架构已成功应用于许多不同任务，如语音或手写识别，并取得了最先进的结果。本工作的主要贡献是分析 RNNs 在真实实际场景中用于在线签名验证的可行性。我们考虑了一个基于长短期记忆（LSTM）的 Siamese 架构系统，其目标是从签名对中学习相似度度量。在实验中，采用了包含 400 名用户和 4 个独立采集会话的 BiosecurID 数据库。我们提出的 LSTM RNN 系统在 BiosecurID 基准上超越了近期发表工作的结果，对于熟练伪造的相对验证性能提升幅度为 17.76% 至 28.00%。
引用
@article{arxiv.2205.02934,
title = {Biometric Signature Verification Using Recurrent Neural Networks},
author = {Ruben Tolosana and Ruben Vera-Rodriguez and Julian Fierrez and Javier Ortega-Garcia},
journal= {arXiv preprint arXiv:2205.02934},
year = {2022}
}