[論文レビュー] Graph-Based Offline Signature Verification

Paul Maergner, Nicholas R. Howe+3 more|arXiv (Cornell University)|Jun 25, 2019

Handwritten Text Recognition Techniques参考文献 46被引用数 8

ひとこと要約

本稿では、近似グラフ編集距離を用いたキーポイントグラフと、角度に敏感なマッチングを備えたインクボールモデルを用いた2つのグラフベースのアプローチを、オフライン署名検証に提案する。ハウスドルフ編集距離の近似による計算効率の向上と、インクボールマッチングにおける角度特徴の強化により、4つのベンチマークデータセットで最先端の性能を達成し、組み合わせ手法は2つのデータセットで熟練偽造のEERを最低水準に抑えた。

ABSTRACT

Graphs provide a powerful representation formalism that offers great promise to benefit tasks like handwritten signature verification. While most state-of-the-art approaches to signature verification rely on fixed-size representations, graphs are flexible in size and allow modeling local features as well as the global structure of the handwriting. In this article, we present two recent graph-based approaches to offline signature verification: keypoint graphs with approximated graph edit distance and inkball models. We provide a comprehensive description of the methods, propose improvements both in terms of computational time and accuracy, and report experimental results for four benchmark datasets. The proposed methods achieve top results for several benchmarks, highlighting the potential of graph-based signature verification.

研究の動機と目的

• 動的特徴が欠如しており、オンライン検証よりも困難であるオフライン署名検証の課題に対処する。
• 最先端のシステムで見られる固定サイズの特徴ベクトルの制限を克服するため、局所的およびグローバルな構造的特徴をモデル化するグラフベースの表現を活用する。
• 新しい近似法と特徴の強化を通じて、グラフベースの署名検証の計算効率と精度を向上させる。
• 標準的なベンチマークデータセットにおいて、従来の統計的手法およびディープラーニング手法と比較して、構造的グラフモデルの優位性を示す。

提案手法

• ノードを重要な点とし、エッジを空間的および構造的関係で表すキーポイントグラフとして署名を表現する。
• グラフ編集距離マッチングの計算複雑度を低減するため、2次時間のハウスドルフ編集距離近似を用いる。
• 接続されたノード間の角度情報を組み込んだ拡張されたインクボールモデルを導入し、構造的マッチングの正確性を向上させる。
• 署名スケルトンとの効率的なマッチングを実現するため、インクボールモデルにルート付き木構造を適用し、専用のマッチングアルゴリズムを適用する。
• グラフ編集距離とインクボールベースのアプローチを組み合わせ、相補的な利点を活かして全体的な検証性能を向上させる。
• EER、FRR、FAR、AERといった標準指標を用いて、ユーザー固有およびグローバルプロトコルの両方で、4つの公開データセットに対してすべての手法を評価する。

実験結果

リサーチクエスチョン

• RQ1 グラフベースの表現は、固定サイズの特徴ベクトルアプローチよりもオフライン署名検証で優れているか？
• RQ2 グラフ編集距離の高い計算コストを、検証精度を損なわずどのように低減できるか？
• RQ3 インクボールモデルに角度情報を組み込むことで、署名検証性能はどの程度向上するか？
• RQ4 グラフ編集距離とインクボールモデルを組み合わせることで、個別の手法よりも優れた性能が得られるか？
• RQ5 同一の評価プロトコル下で、標準ベンチマークデータセットにおいて、提案手法は最先端のシステムと比較してどのように差がつくか？

主な発見

• ハウスドルフ近似を用いた提案されたグラフ編集距離アプローチは、GPDS-75データセットで17.33%のEERを達成し、同じ評価プロトコル下で先行研究を上回った。
• 拡張されたインクボールモデルは、MCYT-75で14.61%、CEDARで7.73%のEERを達成し、すべてのベンチマークで最良または上位3位の結果を記録した。
• 組み合わせ型MCS（Multi-Component System）アプローチは、MCYT-75で15.01%、CEDARで8.00%のEERを達成し、熟練偽造検出において新たなSOTA結果を樹立した。
• 角度特徴を組み込んだインクボールモデルは、偽造のばらつきが大きいデータセットにおいて、特に検証精度の向上を顕著に示した。
• ハウスドルフ近似により、グラフ編集距離の計算時間を短縮しながらも高い正確性を維持でき、実用的導入が可能になった。
• 提案手法は、熟練偽造のEERにおいて2つのデータセット（MCYT-75およびCEDAR）で最高のパフォーマンスを発揮し、同一の評価設定下で以前に発表された結果を上回った。