-
Patent Agency Ranking
公开(公告)号：CN112699349A
公开(公告)日：2021-04-23
申请号：CN202011566442.4
申请日：2020-12-25
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于样本合成以及排序学习的联机签名鉴定方法。所述方法包括以下步骤：采集签名序列并进行预处理；建立签名序列的Sigma Lognormal拟合模型；对拟合参数增加扰动采样合成真实签名以及伪造签名；进行排序学习优化平均精度损失训练神经网络模型参数；对于待鉴定签名序列，利用训练完成的神经网络模型提取特征并进行归一化，计算特征向量间欧式距离判断真伪。本发明解决了联机签名鉴别任务中伪造样本难以获取的困难，使用Sigma Lognormal模型生成样本，不再依赖于伪造签名数据的采集，并且进行排序学习以学习签名样本间的相关性和相似度信息，实现了高精度的联机签名鉴定方法，具有准确率高、适应性好等特点，具有较好的实用价值。
-
公开(公告)号：CN114996688A
公开(公告)日：2022-09-02
申请号：CN202210582665.2
申请日：2022-05-26
Applicant: 华南理工大学
Abstract: 本申请公开了一种基于软动态时间规整的联机签名认证系统和方法，包括：数据采集模块、数据预处理模块、签名序列特征提取神经网络模块和签名序列特征测试模块；通过采集待测试签名序列；基于所述签名序列进行预处理，获取预处理数据，并提取所述签名序列的时间函数；构建神经网络，基于所述签名序列的时间函数对所述神经网络进行训练，获得签名序列特征提取神经网络；基于所述预处理数据，通过所述签名序列特征提取神经网络，计算签名序列特征间的动态时间规整距离判断真伪。本申请实现了神经网络与经典动态时间规整算法的融合，使得神经网络可以进行端到端的训练，从而达到高精度的联机签名认证效果。
-
-
公开(公告)号：CN115083023B
公开(公告)日：2024-12-31
申请号：CN202210573892.9
申请日：2022-05-25
Applicant: 华南理工大学
IPC: G06V40/30 , G06V30/32 , G06V30/166 , G06V30/162 , G06V10/82 , G06N3/045 , G06N3/044 , G06N3/0475 , G06N3/088 , G06N3/094 , G06N3/096
Abstract: 本发明提供了一种笔画宽度可控的脱机签名图像生成方法，包括如下步骤：获得单像素轨迹图像和脱机签名图像，并对所述单像素轨迹图像和所述脱机签名图像进行预处理；计算预处理后的所述脱机签名图像的笔画宽度等级；构建并训练基于笔画宽度条件向量的循环生成对抗网络；基于训练后的所述基于笔画宽度条件向量的循环生成对抗网络，获得笔画宽度可控的脱机签名图像。本发明给出的模型可以自动生成大量形变自然的手写风格逼真的脱机签名图像，缓解了深度脱机签名认证领域训练数据不足的问题，具有较高的应用价值。
-
公开(公告)号：CN115083023A
公开(公告)日：2022-09-20
申请号：CN202210573892.9
申请日：2022-05-25
Applicant: 华南理工大学
IPC: G06V40/30 , G06V30/32 , G06V30/166 , G06V30/162 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种笔画宽度可控的脱机签名图像生成方法，包括如下步骤：获得单像素轨迹图像和脱机签名图像，并对所述单像素轨迹图像和所述脱机签名图像进行预处理；计算预处理后的所述脱机签名图像的笔画宽度等级；构建并训练基于笔画宽度条件向量的循环生成对抗网络；基于训练后的所述基于笔画宽度条件向量的循环生成对抗网络，获得笔画宽度可控的脱机签名图像。本发明给出的模型可以自动生成大量形变自然的手写风格逼真的脱机签名图像，缓解了深度脱机签名认证领域训练数据不足的问题，具有较高的应用价值。
-
-
-
-
Search Results
5
records
(took 0.033 seconds)
