基于自监督学习的手写体验证
计算机视觉与模式识别
2024-08-02 v2 人工智能
计算与语言
摘要
我们提出SSL-HV：将自监督学习方法应用于手写体验证任务。该任务涉及确定给定的手写图像对是否来自同一或不同作家。我们对比了多种生成式、对比式SSL方法与手工特征提取器和监督学习方法在CEDAR AND数据集上的性能。我们表明，基于ResNet的变分自编码器(VAE)在其他生成式方法中取得最佳性能，准确率达76.3%，而ResNet-18使用方差-不变性-协方差正则化(VICReg)进行微调在其他对比式方法中取得最佳性能，准确率达78%。使用预训练的VAE和VICReg进行下游作家验证任务时，我们观察到相对于ResNet-18监督基线（仅使用10%作家标签）在准确率上分别提高了6.7%和9%。
引用
@article{arxiv.2405.18320,
title = {Self-Supervised Learning Based Handwriting Verification},
author = {Mihir Chauhan and Mohammad Abuzar Hashemi and Abhishek Satbhai and Mir Basheer Ali and Bina Ramamurthy and Mingchen Gao and Siwei Lyu and Sargur Srihari},
journal= {arXiv preprint arXiv:2405.18320},
year = {2024}
}
备注
8 pages, 2 figures, 2 tables, Accepted at Irish Machine Vision and Image Processing Conference 2024