通过学习顶序对揭示可靠签名
计算机视觉与模式识别
2022-03-21 v1 机器学习
摘要
签名验证作为关键的实用文档分析任务，一直被机器学习与模式识别领域的研究者持续研究。在确认金融文件与法律文书等特定场景中，确保签名的绝对可靠性是重中之重。本工作中，我们提出一种学习“顶序对”的新方法，用于书写者无关的离线签名验证任务。通过该方案，可最大化绝对可靠签名的数量。更确切地说，我们的顶序对学习方法旨在将正样本与真实参考签名配对后，将其推至负样本之外。实验中采用 BHSig-B 与 BHSig-H 数据集进行评估，所提模型在 pos@top（绝对顶序正样本占所有正样本之比）上取得压倒性更优结果，同时在曲线下面积（AUC）与准确率上展现出令人鼓舞的性能。
引用
@article{arxiv.2203.09927,
title = {Revealing Reliable Signatures by Learning Top-Rank Pairs},
author = {Xiaotong Ji and Yan Zheng and Daiki Suehiro and Seiichi Uchida},
journal= {arXiv preprint arXiv:2203.09927},
year = {2022}
}