申请/专利权人:浙江工业大学
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117854157A
主分类号:G06V40/30
分类号:G06V40/30;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:一种基于跨层弱监督学习的多模态离线签名鉴定方法,首先进行多模态签名图像的采集与处理;以用户签名样本对作为最小单元构建多模态训练数据集合;构建跨层交互的弱监督数据增强网络模型并训练,模型包含:跨层特征提取模块、判别模块、弱监督定位模块、注意力引导模块与训练控制器;网络模型优化;使用优化后的模型判断待鉴定签名与参考签名是否来自同一用户。本发明以深度网络模型提取到的各级特征作为基础,在训练过程和中利用弱监督学习与注意力引导主动改变现有数据并生成新数据来充分挖掘判别线索,保证了鉴定的准确性,同时较小的模型参数使本发明可以应用于各种场景下,有较好的实用价值。
主权项:1.一种基于跨层弱监督学习的多模态离线签名鉴定方法,其特征在于,所述鉴定方法包括以下步骤:步骤1,多模态签名图像的采集与处理;步骤2,以用户签名样本对作为最小单元构建多模态训练数据集合;步骤3,构建跨层交互的弱监督数据增强网络模型并训练,所述网络模型包括跨层特征提取模块、判别模块、弱监督定位模块、注意力引导模块和训练控制器;步骤4:优化网络模型,包括模型参数稀疏化与多余模块去除,在鉴定过程中网络模型仅包含特征提取模块与单个判别模块;步骤5:使用步骤1中所述的图像处理流程处理待鉴定签名图像和参考签名图像,使用训练好的优化模型判断待鉴定签名与参考签名是否来自同一用户。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于跨层弱监督学习的多模态离线签名鉴定方法
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。