摘要
本发明公开了一种基于多风格的手写电子信息识别模型构建方法,采集多个不同风格留样签名、一个测试签名构建样本对,分别提取多维度书写笔迹特征构建用户表征向量,根据表征向量通过权重共享对多维度签名书写风格特征抽象获取手写电子信息书写笔迹风格高度一致的特征;计算测试签名与多个留样签名的注意力权重,建立测试签名与不同风格留样签名在各个特征分量上的相关性;通过前向推理进行真伪二分类判定训练,获得笔迹特征信息识别模块构建参数,构建多风格留样签名识别模型。本发明使模型更好学习多风格留样签名和验证签名之间的特征信息和差异度,提高了多风格留样签名识别验证的准确度。
技术关键词
风格
前馈神经网络
识别模型构建方法
笔迹特征
深度学习算法
书写笔迹
书写特征
深度神经网络模型
交叉注意力机制
识别系统
梯度下降算法
识别模块
计算机
线性
时域特征
频域特征
系统为您推荐了相关专利信息
文本识别模型
文本行
图像
GoogLeNet模型
风格
冰箱故障
智能诊断方法
深度学习算法
智能诊断系统
构建网络结构
健康监测数据
健康状态数据
综合健康指数
多模态数据融合
生成对抗网络
数据分析方法
资金
离散小波变换
识别用户意图
数据分析模块