TY - JOUR ID - 108368 TI - یک معماری شبکه عصبی عمیق مشترک با ویژگی‌های صریح برای بازشناسی امضاء JO - مجله بینایی ماشین و پردازش تصویر JA - JMVIP LA - fa SN - AU - جم پور, مهدی AU - جاویدی, ملیحه AD - دانشگاه صنعتی قوچان Y1 - 2021 PY - 2021 VL - 7 IS - 2 SP - 57 EP - 69 KW - معماری یادگیری عمیق دو مسیره KW - ترکیب ویژگی‌ها KW - شبکه عصبی عمیق رِزنت KW - ویژگی‌های کلاسیک KW - معماری مشترک DO - N2 - در این مقاله، یک مدل معماری مشترک برای بهره‌ مندی از ویژگی‌های استخراج شده توسط شبکه عصبی عمیق و ویژگی‌های صریح استخراج شده به روش کلاسیک برای مساله بازشناسی امضاء ارائه شده است. معماری پیشنهادی، شکل توسعه یافته مدل رِزنت 18 لایه می‌باشد که طی آن یک مدل معماری دو مسیره تعریف شده است که در یک مسیر ویژگی‌های استخراج شده توسط شبکه عصبی عمیق رزنت و در مسیر دوم ویژگی‌های سراسری به روش کلاسیک با یکدیگر ترکیب می‌شوند. همچنین برای استخراج ویژگی‌ها به روش کلاسیک، یک ایده ابتکاری سراسری ارائه شده است که در آن، توصیفگر، نسبت به برخی تغییرات متداول در نمونه‌های امضاء مانند دوران و بزرگنمایی پایدار است. ارزیابی‌های متنوعی بر روی روش ارائه شده انجام شده است بطوریکه از سه پایگاه داده مشهور تصاویر امضاء CEDAR, UTsig و GPDS برای تحلیل روش پیشنهادی و مقایسه با روش‌های مشابه استفاده شده است. نتایج ارزیابی‌ها، حاکی از بهبود دقت بازشناسی امضاء به‌وسیله معماری مدل مشترک ارائه شده نسبت به مدل پایه می‌باشد همچنین مقایسه روش پیشنهادی با بهترین نتایج موجود نشان می‌دهد در اغلب موارد دقت روش پیشنهادی، بهتر از بهترین نتایج منتشر شده است. UR - https://jmvip.sinaweb.net/article_108368.html L1 - https://jmvip.sinaweb.net/article_108368_981223c81a6572399fa06378711faae0.pdf ER -