摘要
本发明实施例公开了一种基于人工智能的笔迹图像鉴定方法及系统,本发明实施例首先收集待鉴定笔迹图像及已知样本笔迹图像并生成目标笔迹图像集合,接着对集合中的笔迹图像依次进行笔画区域分割、笔锋特征提取及纹理模式分析,生成包含传统笔迹特征集合和深度学习笔迹特征集合的混合特征数据集;然后将混合特征数据集输入Triplet网络模型,通过三元组损失函数联合优化训练,生成待鉴定笔迹图像的第一鉴别性特征向量和已知样本笔迹图像的第二鉴别性特征向量;最后基于第一鉴别性特征向量和第二鉴别性特征向量生成包含特征匹配分数和作者归属概率的笔迹图像鉴定报告,提高了笔迹鉴定的准确性和可靠性。
技术关键词
笔迹图像
笔迹特征
三元组损失函数
编码向量
样本
深度学习特征
笔画
高层语义特征
局部纹理模式
网络
特征描述符
生成深度学习
数据
依赖特征
局部二值模式算法
纹理特征
曲率特征
融合特征
系统为您推荐了相关专利信息
系统故障监测
飞轮储能系统
滑动时间窗口
样本
协方差矩阵
甲状腺功能亢进
样本
LightGBM模型
XGBoost模型
机器学习模型