买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于tripletloss的离线签名验证方法，包括以下步骤：1获取待检测的签名数据集，划分数据集；2对签名图像进行预处理；3在训练集中进行训练；4通过验证集调整自定义分类器；5在测试集中进行测试。本发明首次将三元组训练的方式应用于签名认证问题，能够自动、准确、高效地完成签名认证任务；本发明对三元组进行了改进，驱使网络更好地关注在笔划部分提取信息，提高签名认证的精度；本发明提出的预处理程序只截取了图像中的签名部分，不仅提高了分类目标占据整幅图像的比例，还可以消除边缘部分的纸张杂质或墨点噪声。

主权项：1.一种基于tripletloss的离线签名验证方法，其特征在于，包括以下步骤：1获取待检测的签名数据集，将数据集划分为训练集、验证集和测试集；2分别对划分后的各个数据集的签名图像进行预处理；3在训练集中进行训练；3.1加载EfficientNet网络模型，使用该网络模型的参数作为初始参数来进行训练；3.2采用onlinetripletmining三元组采集方式，每次minibatch开始的时候，EfficientNet网络模型从训练集中抽样出一组签名图像组成validtriplet；所述validtriplet为满足下述条件的样本对：anchor,positive,negativeanchor,positive,negative∈[1,B]将签名图像样本与它的反转图像共同组成validtriplet三元组中的一个元素，anchor是指数据集中的一个签名图像样本与该样本的反转图像共同组成的样本对；positive是指与anchor样本具有相同标签的签名图像样本以及该样本的反转图像共同组成的样本对，即与anchor样本来自同一个作者的签名图像对；negative是指与anchor样本具有不同标签的签名图像样本以及该样本的反转图像共同组成的样本对，即与anchor样本来自不同作者的签名图像对；B是指签名图像样本的个数；3.3提取三元组签名图像样本的特征向量，计算tripletloss损失，通过反向传播更新网络模型的参数；3.4挑选下一批用于训练的三元组，在后续批次训练中使用hardtriplet和semi-hardtriplet训练；3.5重复执行步骤3.3和3.4，直到训练集中所有图片迭代mepoch次结束训练，其中mepoch是指迭代的次数，可以自由调整，当精度达到预期时即可结束训练；4通过验证集调整自定义分类器，得到训练完成的网络模型；4.1挑选测试集中的样本组成validtriplet，输入步骤3得到的网络模型，记录同类样本即来自同一作者的签名样本对特征向量之间的欧式距离，将所有距离累加求和，再除以样本对的对数，求出同类样本特征向量之间欧式距离的平均值，按照同样的计算方法，求出异类样本即来自不同作者的签名样本对特征向量之间欧式距离的平均值，然后求这两个平均值的中间值作为判断是否是真实签名的判别距离，用于之后定义自定义分类器来进行预测；4.2根据步骤4.1确定的判别距离得到自定义分类器，分类函数公式如下所示： 其中label是最后预测的标签值，当label＝1时即判断为真实签名，当label＝0时即判断为伪造签名，dr,t是指参考签名图像与待检测签名图像特征向量之间的欧式距离，r是指参考签名图像以及该图像的反转图像经过步骤3提取到的特征向量；t是待检测签名图像以及该图像的反转图像经过步骤3提取到的特征向量，s是上述步骤4.1确定的判别距离；4.3将经过步骤3参数优化后得到的网络模型特征提取部分与步骤4.2中得到的分类器拼接得到完整的网络模型；5在测试集中进行测试。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于triplet loss的离线签名验证方法