基于深度学习的离线手写签名真伪识别方法
针对手写签名样本数据量少、需要较高准确率的特点,设计了一种基于弹性网格的Gabor特征提取结合卷积神经网络的离线手写签名内容识别方法,利用仿射变换扩展数据集,基于弹性网格提取Gabor特征,训练带有BN层和Dropout层的卷积神经网络进行签名内容分类.提出了一种LBP特征提取算法结合深度置信网络的离线手写签名真伪识别方法,分块提取LBP直方图特征,进行特征合并,训练由三层受限玻尔兹曼机堆叠而成的深度置信网络进行签名真伪识别.实验结果表明,该方法可以有效提高离线手写签名分类和真伪识别的准确率,并减少了过拟合现象的发生.
弹性网格、Gabor特征、卷积神经网络、深度置信网络、离线手写签名
15
TP391(计算技术、计算机技术)
国家自然科学基金项目61371143;北方工业大学2018年教育教学改革和课程建设研究项目18XN009-002;教育部高等教育司产学合作协同育人项目201801121002;全国高等学校计算机教育研究会2019年度课题CE?RACU2019R05;2019年度北京市教委基本科研业务费项目资助
2019-06-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
228-232