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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD