• Aluno: Victor Kleber Santos Leite Melo

  • Título: “A Deep Learning Approach to Generate Off-line Handwritten Signatures Based on On-line Samples”

  • Orientador: Prof. Dr. Byron Leite Dantas Bezerra

  • Orientador: Prof. Dr. Giuseppe Pirlo, Universit`a degli Studi di Bari, Bari, Italy

  • Data-hora: 28/agosto/2017 (14:00h)

  • Local: Escola Politécnica de Pernambuco – SALA I-4

     

    Resumo:

    "Um dos principais desafios de sistemas de verificação de assinaturas off-line é a ausência de grandes conjunto de dados. Uma alternativa possível para superar esse probema é a geração de assinaturas sintéticas. Neste trabalho é proposto um método para a geração sintética de assinaturas off-line baseado em informações dinâmicas. Em contraste com o método do estado-da-arte, o modelo agora proposto se baseia na perspectiva da aprendizagem supervisionada,na qual o treinamento do modelo tem como propósito realizar a tarefa de “conversão de assinatura on-line para off-line”. O método proposto é uma Deep Convolutional Neural Network treinada para aprender como textos manuscritos on-line da base IRONOFF são transformados para o domínio off-line. O objetivo principal do método proposto é o de aumentar sinteticamente bases de assinatura off-line baseando-se em amostras on-line com objetivo de melhorar as taxas de reconhecimento de sistemas de verificação de assinaturas off-line. Para isso, umaavaliação na base de assinaturas BiosecurID é realizada. Mostra-se que as amostras sintéticas geradas pelo método proposto obtém uma performance de verificação similar aos oferecidos por assinaturas reais e uma melhora promissora no Equal Error Rate em comparação com o atual método do estado-da-arte."

     

     

Go to top Menu