摘要
本发明涉及一种基于多任务学习的手写签名认证方法,通过手写签名验证任务与光学字符识别任务进行多任务学习,通过光学字符识别任务进行学习笔迹图片的文本信息,用于手写签名验证任务,辅助手写签名验证任务的判断,包括:从脱机签名验证图片中提取文本信息;构建拉普拉斯注意力模块;构建手写签名验证任务与光学字符识别任务共享参数模块,用于提取两任务共同的签名图像特征;构建用于光学字符识别任务的第一独立参数模块,该模块为Mamba模块;构建用于手写签名验证任务的第二独立参数模块,该模块为多尺度全局融合模块;构建分类模型,将输出特征整合后,通过分类模型判断两张图片是否相似。该方法有利于提高手写签名认证的准确性。
技术关键词
签名认证方法
光学字符识别
多任务
拉普拉斯
图片
注意力
sigmoid函数
输出特征
文本
构建分类模型
卷积模块
参数
多尺度
序列
状态空间模型
通道
时序
算法
图像
系统为您推荐了相关专利信息
遮挡物品
物品寻找方法
位置指示信息
地图
物品寻找装置
旋转圆盘
餐桌转盘
卡尔曼滤波算法
多边形
椭圆形
无线网络通信方法
资源分配
虚拟化技术
功率控制
实时监控系统