基于深度卷積神經網絡的表單中手寫簽名位置定位方法.pdf

1、在人們的日常生活中經常會使用到各種表單或者票據，他們是很重要的法律憑證。為了自動對表單或者票據中的簽名驗明真?zhèn)?，比如銀行存取款憑證簽名真?zhèn)巫R別、保險公司保單簽名真?zhèn)巫R別、快遞單據識別等等，需要首先確定簽名在表單中的位置。現(xiàn)如今大部分表單的簽名真?zhèn)巫R別工作都是由人工來完成的，費時費力且受人為主觀因素影響較大。因此，開發(fā)一套表單手寫簽名自動檢測系統(tǒng)具有十分重要的研究意義。
　　本文主要研究了手寫簽名自動檢測系統(tǒng)中的目標定位功能。目標定

2、位一直是一個熱點的問題，目前常用的方法有基于顏色、紋理、形狀、空間、模板匹配等方法。本文采用卷積神經網絡獲取候選區(qū)域的方法，實現(xiàn)了表單中手寫簽名的定位功能。首先，使用卷積神經網絡獲取候選區(qū)域，其實質是使用滑動窗口對圖像進行窮舉搜索；其次，利用分類層對每個特征圖上的候選區(qū)域做分類任務，判斷該候選框是前景還是背景；最后，利用回歸層對每一個候選框的位置做回歸。本文主要研究內容有：
　?。?）收集了大量、多樣的表單圖像，自定義表單圖像數(shù)據

3、庫。收集的圖像包含銀行表單、保險公司表單、快遞公司表單等，對收集好的表單圖像進行旋轉、平移、縮放、加噪等處理，這樣設計出的表單圖像數(shù)據庫會使得訓練結果更好。
　　（2）為了提高區(qū)域候選框質量，根據設計的表單圖像數(shù)據集中目標的長寬比，優(yōu)化滑動窗口中獲取候選框的窗口比例。
　?。?）為了減少高層卷積細節(jié)特征信息損失，盡可能多的獲取到更多圖像特征，對RPN網絡模型連接結構進行改進。文中提出了RPN-X的網絡結構，并且對該網絡模型中