用于笔迹验证的混合特征学习
计算机视觉与模式识别
2019-10-08 v1
摘要
我们提出了一种有效的混合深度学习（HDL）架构，用于确定待验证手写词由已知书写者写出的概率这一任务。HDL 是自动学习特征（ALF）与人工设计特征（HEF）的融合。为提取自动学习特征，我们采用两种方法：第一，双通道卷积神经网络（TC-CNN）；第二，双通道自编码器（TC-AE）。此外，人工设计特征通过两种方法提取：第一，梯度结构凹性（GSC）；第二，尺度不变特征变换（SIFT）。实验通过将一种 HEF 方法与一种 ALF 方法互补，在从 1500 名书写者的手写笔记中裁剪出的单词“AND”的 150000 个样本对上进行。我们的结果表明，采用 AE-GSC 的 HDL 架构在已见书写者数据集上达到 99.7% 准确率，在打乱书写者数据集上达到 92.16% 准确率，优于 CEDAR-FOX；对于未见书写者数据集，AE-SIFT 与该复杂笔迹比对工具性能相当。
引用
@article{arxiv.1812.02621,
title = {Hybrid Feature Learning for Handwriting Verification},
author = {Mohammad Abuzar Shaikh and Mihir Chauhan and Jun Chu and Sargur Srihari},
journal= {arXiv preprint arXiv:1812.02621},
year = {2019}
}
备注
Accepted and presented in International Conference on Frontiers in Handwriting Recognition (ICFHR) 2018