参数锐减且精度不减
采用CAE-MV降维与深度可分离卷积，在压缩签名特征的同时大幅降低模型参数与运行时间，适用于资源受限场景。
郑建彬 · Ziyao, Chen · Huang, Liping · Gao, Yifan · Xiangxiang, Yu · 王辉 · Jiamei, Yang · 王昱
IEEE Access 2024
采用深度可分离卷积替代标准卷积，显著减少网络参数数量，从而缩短训练与推理时间，并降低内存占用。
在 MCYT-100 和 SVC-2004 两个公开数据集上，平均验证准确率达到 98.92%，优于当前主流在线签名验证框架。
算法在提升准确率的同时，降低了错误接受率（FAR）和错误拒绝率（FRR），更适用于对安全性要求较高的身份认证场景。