Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Biến dạng chữ ký và phương pháp tham lam trong xác minh chữ ký không trực tuyến
Tóm tắt
Việc xác minh chữ ký không trực tuyến mở đường cho việc tự động hóa hiệu quả các quyền hạn cần thiết trong nhiều ứng dụng thực tế. Việc sử dụng mạng nơ-ron trong xác định tự động chữ ký hỗ trợ quá trình xác thực nhanh hơn, giúp giảm chi phí lao động và loại bỏ bất kỳ hình thức định kiến nào. Các mô hình hiện tại đang được sử dụng thực hiện một so sánh dựa trên nhúng hình ảnh giữa các đặc trưng của chữ ký thử nghiệm và những đặc trưng trong tập dữ liệu. Điều này thường yêu cầu người ký gốc phải trải qua công việc phiền toái của việc ký nhiều lần, điều này không khả thi trong các kịch bản thực tế. Sự mới mẻ của công trình được đề xuất trong xác minh chữ ký không trực tuyến liên quan đến việc sinh ra một tập dữ liệu từ một số lượng rất ít chữ ký gốc. Mỗi chữ ký trong số này có một tập hợp các biến thể riêng biệt được tạo ra từ việc tăng cường hình ảnh gốc thông qua các hàm tổ hợp. Biến thể tương tự nhất ở bất kỳ thời điểm nào sẽ được chọn thông qua phương pháp tham lam, từ đó giảm thiểu mức tính toán cần thiết trên Mạng Siamese. Mô hình đã được kiểm tra trên các tập dữ liệu chuẩn cũng như các tập dữ liệu được tạo ra cục bộ. Tổng thể, mô hình có khả năng phân loại chữ ký với độ chính xác 97% và điểm F1 trung bình là 0.97.
Từ khóa
#Xác minh chữ ký; Mạng nơ-ron; Tăng cường hình ảnh; Mạng Siamese; Tham lam; Tư nhân hóaTài liệu tham khảo
citation_journal_title=IEEE Trans Geosci Remote Sens; citation_title=Unsupervised deep feature extraction for remote sensing image classification; citation_author=A Romero, C Gatta, G Camps-Valls; citation_volume=54; citation_issue=3; citation_publication_date=2016; citation_pages=1349-1362; citation_doi=10.1109/TGRS.2015.2478379; citation_id=CR1
citation_journal_title=IEEE Trans Geosci Remote Sens; citation_title=Deep feature extraction and classification of hyperspectral images based on convolutional neural networks; citation_author=Y Chen, H Jiang, C Li, X Jia, P Ghamisi; citation_volume=54; citation_issue=10; citation_publication_date=2016; citation_pages=6232-6251; citation_doi=10.1109/TGRS.2016.2584107; citation_id=CR2
Seyfioğlu MS, Gürbüz SZ, Özbayoğlu AM, Yüksel M (2017) Deep learning of micro-Doppler features for aided and unaided gait recognition. In: 2017 IEEE Radar Conference (RadarConf), Seattle, pp 1125–1130.
https://doi.org/10.1109/RADAR.2017.7944373
Khalajzadeh MM, Mohammad T (2012) Persian signature verification using convolutional neural networks. In: IJERT, vol 1, issue 2
Yao X, Wei H-L (2016) Off-line signature verification based on a new symbolic representation and dynamic time warping, pp 108–113.
https://doi.org/10.1109/IConAC.2016.7604903
citation_journal_title=PRL; citation_title=Off-line signature verification using DTW; citation_author=A Piyush Shanker, AN Rajagopalan; citation_volume=28; citation_publication_date=2007; citation_pages=1407-1414; citation_doi=10.1016/j.patrec.2007.02.016; citation_id=CR6
citation_journal_title=RJASET; citation_title=Probabilistic model for dynamic signature verification system; citation_author=YC Tong, LW Loon, TC Seong, G Bok-Min, W Xin, H Jee-Hou; citation_volume=3; citation_issue=11; citation_publication_date=2011; citation_pages=1318-1322; citation_id=CR7
Dey S, Dutta A, Toledo IJ, Ghosh S, Lladós J, Umapada P (2017) SigNet: convolutional Siamese network for writer independent offline signature verification. PRL
citation_title=Writer-independent feature learning for offline signature verification using deep convolutional neural networks; citation_publication_date=2016; citation_id=CR9; citation_author=LG Hafemann; citation_author=R Sabourin; citation_author=LS Oliveira; citation_publisher=IJCNN
Thakare BS, Deshmukh HR (2018) A combined feature extraction model using SIFT and LBP for offline signature verification system. In: I2CT, pp 1–7
Maergner P, Howe N, Riesen K, Ingold R, Fischer A (2018) Offline signature verification via structural methods: graph edit distance and inkball models. In: ICFHR
Agam G, Suresh S (2007) Warping-based offline signature recognition. In: IEEE TIFS, vol 2, no 3, pp 430–437
citation_journal_title=IEEE Trans Biometr Behav Identity Sci; citation_title=A comprehensive study of sparse representation techniques for offline signature verification; citation_author=EN Zois, D Tsourounis, I Theodorakopoulos, AL Kesidis, G Economou; citation_volume=1; citation_issue=1; citation_publication_date=2019; citation_pages=68-81; citation_doi=10.1109/TBIOM.2019.2897802; citation_id=CR13
citation_journal_title=IEEE TIP; citation_title=Least-squares image resizing using finite differences; citation_author=A Munoz, T Blu, M Unser; citation_volume=10; citation_issue=9; citation_publication_date=2001; citation_pages=1365-1378; citation_id=CR14
Soe MM, Moe MM, Aye AC (2019) Handwritten signature verification system using Sobel operator and KNN classifier. In: International journal of trend in scientific research and development (ijtsrd), vol 3, issue 5, pp 1776–1779
Hadsell R, Chopra S, Lecun Y (2006) Dimensionality reduction by learning an invariant mapping. In: CVPR, pp 1735–1742
Schroff F, Kalenichenko D, Philbin J (2015) FaceNet: a unified embedding for face recognition and clustering. In: IEEE CVPR, Boston, pp 815–823
citation_journal_title=Digital Signal Process; citation_title=Mahalanobis distance based on fuzzy clustering algorithm for image segmentation; citation_author=X Zhao, Y Li, Q Zhao; citation_publication_date=2015; citation_doi=10.1016/j.dsp.2015.04.009; citation_id=CR18
citation_journal_title=Pattern Recogn; citation_title=Deep adaptive feature embedding with local sample distributions for person re-identification; citation_author=L Wu, Y Wang, J Gao, X Li; citation_volume=73; citation_publication_date=2018; citation_pages=275-288; citation_doi=10.1016/j.patcog.2017.08.029; citation_id=CR19
citation_journal_title=Multimed Tools Appl; citation_title=Siamese multi-layer perceptrons for dimensionality reduction and face identification; citation_author=L Zheng, S Duffner, K Idrissi; citation_volume=75; citation_publication_date=2016; citation_pages=5055-5073; citation_doi=10.1007/s11042-015-2847-3; citation_id=CR20
Chen S, Srihari S (2005) Use of exterior contours and shape features in offline signature verification. In: ICDAR, pp 1280–1284
Pal S, Alaei A, Pal U, Blumenstein M (2016) Performance of an off-line signature verification method based on texture features on a large indic-script signature dataset. In: DAS, pp 72–77
citation_journal_title=Pattern Recogn Lett; citation_title=A framework for offline signature verification system: best features selection approach; citation_author=M Sharif, M Khan, M Faisal, Y Mussarat, S Fernandes; citation_publication_date=2018; citation_doi=10.1016/j.patrec.2018.01.021; citation_id=CR23
Vargas-Bonilla J, Miguel F, Carlos T, Jesús A (2007) Off-line handwritten signature GPDS-960 Corpus. In: Proceedings of the international conference on document analysis and recognition, ICDAR, vol 2, pp 764–768.
https://doi.org/10.1109/ICDAR.2007.4377018
citation_journal_title=Int J Comput Appl; citation_title=Offline signature verification using feature point extraction; citation_author=SN Gunjal, B Dange, A Brahmane; citation_volume=141; citation_issue=14; citation_publication_date=2016; citation_pages=6-12; citation_doi=10.5120/ijca2016909852; citation_id=CR25
citation_journal_title=Proc Comput Sci; citation_title=Offline signature verification using deep learning convolutional neural network (CNN) architectures GoogLeNet Inception-v1 and Inception-v3; citation_author=MS Jahandad, KK Suriani, NA Nilam, MN Sjarif; citation_volume=161; citation_publication_date=2019; citation_pages=475-483; citation_doi=10.1016/j.procs.2019.11.147; citation_id=CR26
Ruiz V, Linares I, Sanchez A, Velez JF (2019) Off-line handwritten signature verification using compositional synthetic generation of signatures and Siamese neural networks. Neurocomputing
Ferrer MA, Diaz-Cabrera M, Morales A (2013) Synthetic off-line signature image generation. In: International conference on biometrics (ICB), Madrid, Spain, pp 1–7.
https://doi.org/10.1109/ICB.2013.6612969
Souza VLF, Oliveira ALI, Sabourin R (2018) A writer-independent approach for offline signature verification using deep convolutional neural networks features. In: 7th Brazilian conference on intelligent systems (BRACIS), Sao Paulo, pp 212–217.
https://doi.org/10.1109/BRACIS.2018.00044
Younesian T, Masoudnia S, Hosseini R, Araabi BN (2019) Active transfer learning for Persian offline signature verification. In: 4th international conference on pattern recognition and image analysis (IPRIA), Tehran, pp 234–239
Zhu Y, Lai S, Li Z, Jin L, (2020) Point-to-set similarity based deep metric learning for offline signature verification. In: 17th international conference on frontiers in handwriting recognition (ICFHR), Dortmund, pp 282–287
citation_journal_title=J Stat Manag Syst; citation_title=Comparative study of SVM & KNN for signature verification; citation_author=U Anand, N Shivkumar, J Roheet; citation_volume=23; citation_publication_date=2020; citation_pages=191-198; citation_id=CR32