申请/专利权人:重庆西部笔迹大数据研究院
申请日:2023-12-28
公开(公告)日:2024-03-29
公开(公告)号:CN117789310A
主分类号:G06V40/30
分类号:G06V40/30;G06V10/82;G06V10/74;G06N3/0455;G06N3/042;G06N3/0464;G06N3/0442;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于知识迁移学习的在线笔迹识别方法,包括:采集不同设备的签名数据;对签名数据进行预处理,得到预处理后的签名对序列;利用特征提取模型对预处理后的签名对序列进行特征提取,特征提取模型包括主体模型和多个不同类型的迁移模型,将多个不同类型的迁移模型级联到主体模型后,固定各个迁移模型的权重参数,通过总体损失优化将迁移模型的先验知识迁移给主体模型;将主体模型提取到的特征转化为表征签名的特征向量,计算特征向量之间的余弦相似度得到相似度得分;根据相似度得分进行鉴别得到鉴别结果。该方法利用不同网络模型结构进行特征提取时的归纳偏置,获取更鲁棒和更具有判别行的签名笔迹特征,提升笔迹鉴别精度。
主权项:1.一种基于知识迁移学习的在线笔迹识别方法,其特征在于,包括:采集不同设备的签名数据;对签名数据进行预处理,得到预处理后的签名对序列;利用特征提取模型对预处理后的签名对序列进行特征提取,所述特征提取模型包括主体模型和多个不同类型的迁移模型,将多个不同类型的迁移模型级联到主体模型后,固定各个迁移模型的权重参数,通过总体损失优化将迁移模型的先验知识迁移给主体模型;将主体模型提取到的特征转化为表征签名的特征向量,计算特征向量之间的余弦相似度得到相似度得分,根据相似度得分进行鉴别得到鉴别结果。
全文数据:
权利要求:
百度查询: 重庆西部笔迹大数据研究院 基于知识迁移学习的在线笔迹识别方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。