Catch Me If You Can：基于变分自编码器的签名识别方法
计算机视觉与模式识别
2019-04-30 v1 机器学习
机器学习
摘要
随着签名识别的进展已在约 2% 错误率上达到新的性能平台期，探索替代方法颇具意义。本文详述的方法着眼于使用变分自编码器（VAEs）学习真实签名的潜空间表示。随后将无标签签名输入，使得仅真实签名能被 VAE 成功重建。该潜空间表示与重建损失随后被随机森林和 kNN 分类器用于预测。接着，确定并分析了 VAE 解耦与后验坍缩的可能性。最终结果表明，尽管该方法表现不如现有替代方案，进一步的工作或可使其作为未来模型集成的一部分使用。
引用
@article{arxiv.1904.12627,
title = {Catch Me If You Can},
author = {Antoine Viscardi and Casey Juanxi Li and Thomas Hollis},
journal= {arXiv preprint arXiv:1904.12627},
year = {2019}
}