Nov, 2023

SigScatNet：一种基于Siamese和散射的深度学习方法，用于签名伪造检测和相似性评估

HTML
PDF
TL;DR通过利用Siamese深度学习网络和散射小波，SigScatNet引入了一种创新解决方案来对抗假签名问题，实现了查找伪造签名和评估签名相似性的功能，验证了该方法的有效性，并提供了一个先进且可访问的解决方案来检测伪造和量化签名相似性。
发现论文，激发创造
  • 使用深度 CNN 分析离线签名验证学习的特征

    通过使用深度卷积神经网络和GPDS数据集，本研究提出了一个更好的离线手写签名验证方法，它在记录一定个人签名技能的伪造签名的情况下取得了2.74%的等错误率，并对模型进行了视觉和错误分析。

    Jul, 2016

  • 使用循环神经网络和长度归一化路径签名实现在线签名验证

    该研究介绍了一个基于循环神经网络和新型描述子的在线签名验证系统，以最小化种内变差、推高假样本和真实样本之间的差距，并提取具有所需特征的LNPS描述子，最终在公开数据集中获得了2.37%的等误差率表现。

    May, 2017

  • SigNet：用于作者无关的离线签名验证的卷积孪生网络

    使用卷积Siamese网络，Modi等人提出了一种离线笔迹验证的方法，其在多语言脚本和手写风格的模拟中，能够显著优于现有数据集上的最新结果，这为进一步研究提供了奠定基础。

    Jul, 2017

  • 使用自编码器和连体网络进行在线手写签名验证

    本文提出了一种新颖的、面向自动签名验证任务的独立于作者的全局特征提取框架，其中包括一个自编码器和一个连体网络来实现样本的建模和分类，利用注意机制和降采样的技术，提高了框架的准确度，其简单性使其计算成本低，并且可以在GPU、TPU等设备上并行使用。在两个数据集上的实验表明，该方法相对于最佳报告结果取得了显著的准确度提高。

    Dec, 2017

  • SynSig2Vec：从合成动态签名中学习表示，用于实际验证

    本文提出一种通过排名合成签名来学习动态签名表示的方法，以解决在自动签名验证中的高水平伪造攻击的问题。通过构建一个轻量级的一维卷积网络来学习排名，可以直接优化排名的平均精度，从而挖掘相对和细粒度的相似性，且无需从事实质的伪造行为即可进行训练，并在两个公共基准上远超过现有技术水平。

    Nov, 2019

  • 现实世界文档中的离线签名验证

    本文提出了一种应用CycleGAN和CNN的方法来解决真实世界中信封被遮挡的离线签名验证问题，并通过运行实验验证了该方法的提高签名验证性能的有效性。

    Apr, 2020

  • 基于数据驱动的离线签名验证的深度生成性攻击与对抗措施

    通过使用深度生成模型进行生成性攻击，本文探讨了其对数据驱动的签名验证(DASV)过程的影响，并提出了切实可行且可解释的对策。通过使用Variational Auto-encoder (VAE)和Conditional Generative Adversarial Networks (CGAN)来生成可以成功欺骗DASV的签名，并通过使用结构相似性指数测量(SSIM)评估生成图像的质量，并使用该指标来解释攻击的成功率。最后，提出了有效减少DASV的深度生成攻击影响的对策。

    Dec, 2023

  • 适应性仿真图像检测的防伪能力自适应变压器

    本文研究的问题是可广泛适用的合成图像检测，旨在检测来自各种生成方法，例如GAN和扩散模型的伪造图像。研究发现，传统的固定模式不利于学习伪造表示，因此提出了一种新颖的伪造感知自适应变压器方法，即FatFormer。经过实验验证，FatFormer在未见过的GAN和扩散模型上表现出色，检测性能平均达到98%和95%的准确率。

    Dec, 2023

  • 使用卷积神经网络学习表示的离线签名验证的共识阈值准则

    提出了一种基于一致性阈值距离分类器准则的离线依赖作者的签名验证方法，通过SigNet和SigNet-F深度卷积神经网络模型提取的特征，最小化了假接受率，并在多个数据集上进行了实验证明了该方法相比现有的文献成果，在减小误分类错误的同时，将冒充者获取敏感文档或交易的风险降到最低。

    Jan, 2024

  • 增强银行支票安全：引入一种新的数据集和基于Transformer的检测和验证方法

    我们介绍了一个针对银行支票上的签名验证的新数据集，以及一种基于目标检测网络的无关笔迹的签名验证方法，该方法在检测和验证签名上取得了显著的进展，并提高了金融文件处理的安全性和效率。

    Jun, 2024