• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IAPR International Workshop on Document Analysis Systems >Gaussian Process Classification as Metric Learning for Forensic Writer Identification
【24h】

Gaussian Process Classification as Metric Learning for Forensic Writer Identification

机译：高斯过程分类作为度量学习的法医学鉴定

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a statistical machine learning approach for constructing a metric separating unseen writer hands, is proposed. An unsupervised feature learning approach, based on dense contour descriptor sampling, was combined with a novel way of learning a general space for clustering writer hands, in a forensic setting. The metric learning inference was based on multiclass Gaussian process classification. Using the popular datasets IAM and CVL combined, the evaluation was performed on close to 1000 writer hands. This paper builds on earlier work from our group on building a system for estimating the production dates of medieval manuscripts, and act as a foundation for future use of writer identification techniques on our historical data.
机译：在本文中，提出了一种统计机器学习方法，用于构造将看不见的作者手分开的度量。一种无监督的特征学习方法（基于密集轮廓描述符采样）与一种新颖的方法相结合，可以在法医环境中学习为书写者的手聚类的一般空间。度量学习推理基于多类高斯过程分类。使用流行的IAM和CVL数据集，在接近1000位作者的手中进行了评估。本文基于我们小组的早期工作，即建立一个估计中世纪手稿生产日期的系统，并为将来在我们的历史数据中使用作者识别技术奠定了基础。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号