基于生成式对抗网络的笔迹鉴别与生成技术

发布时间：2024-11-02 11:01

　　在图像处理与模式识别领域中,笔迹鉴别是指计算机提取笔迹的特征后使用分类方法自动对笔迹进行鉴别,但传统的图像识别方法存在着特征选择缺乏标准性依据、鉴定精度较低等问题。笔迹生成是利用计算机来自动生成笔迹,是机器智能的一项功能,但传统方法只能生成标准字体。生成式对抗网络(Generative Adversarial Nets,GAN)是一种深度学习模型,通过判别模型(discriminative model)和生成模型(generative model)之间相互博弈学习来产生良好的输出。本文采用生成式对抗网络技术研究笔迹鉴别与生成问题,针对个人硬笔签名以及我国主流软笔书法风格,设计了 SIGAN(Signature Identification GAN)网络以及改进SIGAN网络实现笔迹鉴别与生成功能。本文主要工作内容如下:1.构建笔迹图片数据集,该数据集包含硬笔笔迹和软笔笔迹两大类,一共7060幅。其中硬笔笔迹2560幅,包含1280幅真实硬笔签名笔迹和1280幅模仿硬笔签名笔迹;软笔笔迹4500幅,由15类影响力较大的主流书法风格组成,包含行书、草书、隶书、篆书、楷书五大传统书法字体,每类...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文使用数据集
    1.4 本文使用平台
    1.5 本文的主要内容及工作安排
    本章小结
第二章 生成式对抗网络概述
    2.1 引言
    2.2 生成式对抗网络的发展
        2.2.1 CGAN
        2.2.2 LAPGAN
        2.2.3 DCGAN
        2.2.4 WGAN
        2.2.5 DualGAN
        2.2.6 StarGAN
        2.2.7 SAGAN
        2.2.8 BigGAN
    2.3 生成式对抗网络的应用
        2.3.1 数据生成与增强
        2.3.2 广义数据翻译
        2.3.3 模仿学习
    本章小结
第三章 基于SIGAN的笔迹鉴别与生成
    3.1 引言
    3.2 SIGAN网络
        3.2.1 SIGAN的网络结构
        3.2.2 SIGAN网络的损失函数
    3.3 基于SIGAN网络的笔迹鉴别与生成算法
        3.3.1 图片预处理
        3.3.2 数据增强
        3.3.3 图片拼接
    3.4 实验及结果分析
        3.4.1 实验设置
        3.4.2 实验结果分析
    本章小结
第四章 基于注意力机制的改进SIGAN的笔迹鉴别与生成
    4.1 引言
    4.2 基于注意力机制的改进SIGAN网络
        4.2.1 注意力机制
        4.2.2 网络结构及算法
    4.3 实验及结果分析
        4.3.1 实验设置
        4.3.2 实验结果分析
    本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间参与的项目以及发表的学术论文
致谢



本文编号：4009489