FCN+RL：一种用于离线手写签名分割的全卷积网络后接细化层的方法
计算机视觉与模式识别
2020-06-01 v1
摘要
尽管历史悠久，手写签名仍是大多数国家使用的最可靠生物特征识别方法之一。过去十年中，用于手写签名验证的技术应用（包括法医方面）得到了强劲发展。某些因素，如背景的复杂性与感兴趣区域（签名像素）的微小尺寸，增加了定位任务的难度。其他使之具有挑战性的因素包括手写签名中存在的各种变化，如位置、墨水类型、颜色与笔的类型，以及笔画类型。本工作中，我们提出一种在身份证件上定位并提取手写签名像素的方法，且无需任何关于签名位置的先验信息。所用技术基于一个全卷积编码器-解码器网络，并结合一组用于预测图像 alpha 通道的细化层。实验结果表明，与传统方法相比，该技术输出的干净签名在线条上保真度更高，并保留了签名者书写的相关特征。为评估我们方案的质量，我们使用以下图像相似性指标：SSIM、SIFT 与 Dice 系数。定性与定量结果显示相较基线系统有显著改进。
引用
@article{arxiv.2005.14229,
title = {FCN+RL: A Fully Convolutional Network followed by Refinement Layers to Offline Handwritten Signature Segmentation},
author = {Celso A. M. Lopes Junior and Matheus Henrique M. da Silva and Byron Leite Dantas Bezerra and Bruno Jose Torres Fernandes and Donato Impedovo},
journal= {arXiv preprint arXiv:2005.14229},
year = {2020}
}
备注
7 pages, 6 figures, Accepted at IJCNN 2020: International Joint Conference on Neural Networks