基于Siamese 和 BiGRU的在线手写签名验证

• 作者: 李相然 郝福珍
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 在线手写签名验证 深度学习 孪生神经网络 双向门控循环单元 注意力机制
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 研究与探讨
• 页码范围: 91-95
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.12.018

摘要

为了解决在线手写签名验证的准确率问题,文中使用深度学习的方法设计了一个基于双向门控循环单元(Bidirectional Gate Recurrent Unit,BiGRU)以及孪生神经网络(Siamese Network)的模型,此方法首先把签名数据的最关键特征提取出来,将它与此签名的参考数据输入到孪生神经网络中,对其进行真伪分类.在文中的实验中,注意力机制(Attention Mechanism)的引入明显提高了此模型的准确性,在SigComp2011手写在线中文数据集中,文中的方法相较此前的最好结果提高了 1.33％.