基于图像的自由手写认证中的能量导向自监督学习
计算机视觉与模式识别
2024-08-20 v1
摘要
自由手写认证通过书写风格和习惯从杂乱的手写数据中验证个人身份。近年来，这项技术作为一种有价值的工具在欺诈防范和文化遗产保护等领域获得了广泛关注。然而，由于三个原因，它在现实场景中仍然具有挑战性：（i）严重损坏，（ii）复杂的高维特征，以及（iii）缺乏监督。为了解决这些问题，我们提出了SherlockNet，一种能量导向的双分支对比自监督学习框架，用于鲁棒且快速的自由手写认证。它包含四个阶段：（i）预处理：使用一种新型即插即用的能量导向算子将手稿转换为能量分布，以消除噪声的影响；（ii）通用预训练：通过基于动量的自适应对比学习利用能量分布学习通用表示，以处理手写的高维特征和空间依赖性；（iii）个性化微调：使用少量下游任务的标注数据校准所学知识；（iv）实际应用：高效便捷地从杂乱、缺失或伪造数据中识别个体手写。考虑到实用性，我们构建了EN-HA，一个模拟真实应用中数据伪造和严重损坏的新型数据集。最后，我们在六个基准数据集（包括EN-HA）上进行了广泛实验，结果证明了SherlockNet的鲁棒性和效率。
引用
@article{arxiv.2408.09676,
title = {Image-based Freeform Handwriting Authentication with Energy-oriented Self-Supervised Learning},
author = {Jingyao Wang and Luntian Mou and Changwen Zheng and Wen Gao},
journal= {arXiv preprint arXiv:2408.09676},
year = {2024}
}
备注
Accepted by TMM