使用集成学习的与书写者无关的离线签名识别
计算机视觉与模式识别
2019-01-23 v1 机器学习
机器学习
摘要
在过去几十年中，手写签名验证领域得到了广泛研究，但仍然是一个开放的研究问题。在离线（静态）签名验证中，签名书写过程的动态信息丢失了，很难设计出能够区分真实签名和熟练伪造的良好特征提取器。在与书写者无关的场景中，这项验证任务更加困难，而这对于现实情况无疑是具有经济意义的。在本文中，我们提出了一种基于深度学习的用于离线与书写者无关的签名验证任务的集成模型。我们使用了两个 CNN 进行特征提取，之后使用 RGBT 进行分类，并使用 Stacking 生成最终的预测向量。我们在来自不同来源的各种数据集上进行了广泛的实验，以保持数据集的方差。我们在各种数据集上取得了 SOTA 的性能。
引用
@article{arxiv.1901.06494,
title = {Writer Independent Offline Signature Recognition Using Ensemble Learning},
author = {Sourya Dipta Das and Himanshu Ladia and Vaibhav Kumar and Shivansh Mishra},
journal= {arXiv preprint arXiv:1901.06494},
year = {2019}
}
备注
6 pages, 2 figures, International Conference on Data Science, Machine Learning & Applications (ICDSMLA)