基于注意力机制的无依赖手写验证

作家验证的任务是为查询的手写图像样本和已知的手写图像样本是否属于同一作者提供一个可能性评分。这一任务要求神经网络使其输出结果具有可解释性，即提供对网络决策过程的洞察。我们实现了交叉注意力（cross-attention）和软注意力（soft-attention）机制，以捕捉二维输入在特征空间中的高度相关和显著点。注意力图作为网络输出可能性评分的解释基础。注意力机制还使网络能够更加关注输入的相关区域，从而提高分类性能。我们在CEDAR连笔“AND”数据集中，提出的 方法在检测同作者案例时达到了86%的精确度。此外，我们通过从网络的多个层次提取注意力图生成了有意义的解释，以支持所提供的决策。