用于笔迹识别的全局正则网络
计算机视觉与模式识别
2022-01-19 v1 人工智能
机器学习
摘要
笔迹识别在伪造检测与法庭科学中具有实际应用。大多数基于深度神经网络的模型从字符图像或字符图像中的子区域提取特征，忽略了页区图像中包含的特征。我们提出的全局正则网络 (GRN) 关注这些特征。GRN 网络由两条分支组成：一条分支以整页手写体作为输入提取全局特征，另一条以单词手写体作为输入提取局部特征。全局特征与局部特征以全局残差方式融合，形成手写体的整体特征。所提出的 GRN 有两个特点：一是增加一条分支以提取页中包含的特征；二是使用残差注意力网络提取局部特征。实验证明了两种策略的有效性。在 CVL 数据集上，我们的模型以更短的训练时间和更少的网络参数取得了令人印象深刻的 99.98% top-1 准确率和 100% top-5 准确率，超越了当前最优结构。实验显示了该网络在笔迹识别领域的强大能力。源代码见 https://github.com/wangshiyu001/GRN。
引用
@article{arxiv.2201.05951,
title = {Global Regular Network for Writer Identification},
author = {Shiyu Wang},
journal= {arXiv preprint arXiv:2201.05951},
year = {2022}
}