يك معماري شبكه عصبي عميق مشترك با ويژگي‌هاي صريح براي بازشناسي امضاء

در اين مقاله، يك مدل معماري مشترك براي بهره‌ مندي از ويژگي‌هاي استخراج شده توسط شبكه عصبي عميق و ويژگي‌هاي صريح استخراج شده به روش كلاسيك براي مساله بازشناسي امضاء ارائه شده است. معماري پيشنهادي، شكل توسعه يافته مدل رِزنت 18 لايه مي‌باشد كه طي آن يك مدل معماري دو مسيره تعريف شده است كه در يك مسير ويژگي‌هاي استخراج شده توسط شبكه عصبي عميق رزنت و در مسير دوم ويژگي‌هاي سراسري به روش كلاسيك با يكديگر تركيب مي‌شوند. همچنين براي استخراج ويژگي‌ها به روش كلاسيك، يك ايده ابتكاري سراسري ارائه شده است كه در آن، توصيفگر، نسبت به برخي تغييرات متداول در نمونه‌هاي امضاء مانند دوران و بزرگنمايي پايدار است. ارزيابي‌هاي متنوعي بر روي روش ارائه شده انجام شده است بطوريكه از سه پايگاه داده مشهور تصاوير امضاء CEDAR, UTsig و GPDS براي تحليل روش پيشنهادي و مقايسه با روش‌هاي مشابه استفاده شده است. نتايج ارزيابي‌ها، حاكي از بهبود دقت بازشناسي امضاء به‌وسيله معماري مدل مشترك ارائه شده نسبت به مدل پايه مي‌باشد همچنين مقايسه روش پيشنهادي با بهترين نتايج موجود نشان مي‌دهد در اغلب موارد دقت روش پيشنهادي، بهتر از بهترين نتايج منتشر شده است.