电子签名（联机签名）比对检索模型Sig-CRENet

签名检索与溯源是重要的生物行为特征识别技术，然而，当前电子签名检索与溯源面临三大挑战：开集场景下对难以检索未见书写者样本、伪造签名难以检索真实签名、传统手工特征难以刻画复杂签名微小差异。为此，本文提出了Sig-CRENet模型，该模型由特征金字塔、上下文注意模块和选择性池化机制组成，能够通过端到端的网络优化自动提取多层次的判别性签名检索特征。模型使用环形空间嵌入损失和标签平滑身份损失来改善模型的开集泛化性，显著提升电子签名的特征表达能力和检索精度。本文提供Sig-CRENet模型的权重数据，支持无缝集成到实际电子签名检索与溯源系统中，为司法办案、电子政务等真实应用场景提供可靠的技术支撑，兼具重大的学术研究和应用价值。

搜集汇总

背景与挑战

背景概述

Sig-CRENet是一种针对电子签名（联机签名）比对检索的深度学习模型，通过特征金字塔、上下文注意模块和选择性池化机制自动提取多层次判别性特征，并采用环形空间嵌入损失与标签平滑身份损失优化开集泛化能力。该模型提供的权重数据可直接集成到实际签名检索与溯源系统中，为司法办案和电子政务等场景提供可靠技术支撑。