SigNet：用于与书写者无关的离线签名验证的卷积 Siamese 网络
计算机视觉与模式识别
2017-10-03 v2
摘要
离线签名验证是生物识别和文件取证中最具挑战性的任务之一。与其他验证问题不同，它需要对真实签名与伪造签名之间细微但关键的细节进行建模，因为熟练的伪造往往通过微小的变形就能模仿真实签名。在与书写者无关的场景下，这一验证任务甚至更加困难，而这对于现实案例而言无疑是至关重要的。在本文中，我们使用卷积 Siamese 网络对离线与书写者无关的签名验证任务进行了建模。Siamese 网络是具有共享权重的孪生网络，可以训练学习一个特征空间，使得相似的观测值在该空间中彼此靠近。这是通过向网络输入相似和不相似的观测对，并最小化相似对之间的欧几里得距离同时最大化不相似对之间的距离来实现的。在跨域数据集上进行的实验强调了我们的网络对不同语言（脚本）和手写风格中的伪造进行建模的能力。此外，我们设计的名为 SigNet 的 Siamese 网络在大多数基准签名数据集上超越了最先进（state-of-the-art）的结果，为该方向的进一步研究铺平了道路。
引用
@article{arxiv.1707.02131,
title = {SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification},
author = {Sounak Dey and Anjan Dutta and J. Ignacio Toledo and Suman K. Ghosh and Josep Llados and Umapada Pal},
journal= {arXiv preprint arXiv:1707.02131},
year = {2017}
}