使用二階段度量學習的中文離線簽名辨識;Using two-stage metric learning for Chinese offline signature recognition

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系碩士在職專班 > 博碩士論文 > Item 987654321/93007

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/93007

题名:	使用二階段度量學習的中文離線簽名辨識;Using two-stage metric learning for Chinese offline signature recognition
作者:	黃重霖;Huang, Chong-Lin
贡献者:	資訊工程學系在職專班
关键词:	離線簽名識別;深度學習;二階段度量學習;三元組損失函數;偽造簽名;Offline signature recognition;deep learning;two-stage metric learning;triple loss function;forged signature
日期:	2023-06-27
上传时间:	2024-09-19 16:38:17 (UTC+8)
出版者:	國立中央大學
摘要:	本研究旨在解決人工識別簽名所需的龐大人力與時間成本，以及如何準確、快速檢測偽造簽名的問題。我們提出了一個能夠在辨識中文離線簽名方面表現良好的系統，該系統通過對簽名資料集進行資料前處理，結合現有的深度學習技術，通過二階段度量學習和三元組損失函數對資料集進行模型訓練，最終，我們利用該模型預測輸入簽名影像的相似度距離。在實際應用的簽名例子中，我們實現了平均偵測仿冒準確率為 82%的結果。此一成果可以應用於大型考試的自動化簽名辨識。 ;This study aims to address the significant manpower and time costs required for manual identification of signatures, as well as the issue of accurately and quickly detecting forged signatures. We propose a system that performs well in the recognition of Chinese offline signatures. The system preprocesses the signature dataset, combines existing deep learning techniques, trains the dataset using two-stage metric learning and the triplet loss function, and ultimately uses the model to predict the similarity distance of input signature images. In practical signature examples, we achieved an average detection accuracy of 82% for detecting counterfeits. This achievement can be applied to automated signature recognition in large-scale exams.
显示于类别:	[資訊工程學系碩士在職專班 ] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	29	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....