sign in中文簽名的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

福爾摩斯系列之視覺和空間研究

為了解決sign in中文簽名的問題，作者邱玉萍 這樣論述：

中文摘要本論文研究亞瑟柯南道爾福爾摩斯系列中的空間轉化。本論文將道爾的作品置入推理小說傳統格式的框架中，並指出小說中的空間轉化提供了顛覆推理小說傳統中理性和非理性界線，以及質疑小說內建帝國/殖民主義認同的可能。本論文探討的主要文本為三本中篇小說，分別是《血字研究》(1887)、《四簽名》(1890) 和《巴斯克維爾的獵犬》(1902)，與收錄於兩本短篇故事集：《夏洛克福爾摩斯的冒險》(1892) 與《夏洛克福爾摩斯的回憶錄》(1894) 中的數篇短篇故事。空間與其再現是本論文探討的重要一環，特別是地圖、城市空間和風景的空間塑造與其論述中產生歧異地景表述的可能；有些再造可做為殖民制序的再現，有

些再造則能夠對殖民制序與理性提出質疑。本論文討論道爾作品中的空間描繪與偵探文類的交匯點，並提出小說中的空間書寫顛覆推理小說中意識型態、科學理性和文類傳統的可能。

以少量樣本為基礎之離線簽名驗證演算法開發

為了解決sign in中文簽名的問題，作者吳岱融 這樣論述：

本論文以深度學習來對離線簽名辨識進行研究，簽名辨識技術在現今社會為驗證身分的重要方法之一，也是較為普遍且常見的手法，但目前仍多依賴專業人員來進行筆跡鑑定，且驗證申請不易又耗時。離線簽名與在線簽名的差異在於，在線簽名雖然能記錄使用者在簽名過程中的動態數據，但整體數據量龐大，且實際應用上較為困難，而離線簽名則是只有靜態圖像沒有多餘的動態數據，在實際辨識上還是依賴於專業人員鑑定。在近年來隨著深度學習的發展，圖像辨識也得到廣泛的應用，從車牌辨識、產品瑕疵挑選與農產品挑選等都有所發展，而離線簽名辨識也透過深度學習得到了更進一步的發展。基於深度學習與實際應用之可行性，本論文將建立一套基於少量樣本為基礎之

離線簽名演算法之開發，並以AlexNet為基礎架構並改良其模型，來對離線簽名進行辨識，而為了增加離線簽名的特徵，使用繪圖板在簽名圖像上增加筆壓及筆觸，透過8名人員的簽名來建立模型，並檢視該網路對不同人員之簽名的泛化能力。初步使用可視化技術來調整架構、激活函數與正規化，準確率(Accuracy)從原本77.50%提升至96.87%，後續使用轉移學習來解決少量樣本的問題，且改變模型通道數來增加其特徵提取，經過評估後使用自行建立之源資料庫來進行轉移，並整合源資料庫與目標資料庫後，使8名人員之模型平均準確率達到97.28%。本研究之模型僅使用560張來建立源資料庫，與80張建立個人的目標資料庫，且為了

驗證其模型對新蒐集之簽名的辨識能力，對8名人員的平均準確率再次以本人、一般偽造與照描偽造來進行識別，其數據為91.25%、95.63%與85.63%，而整體的精確率(Precision)、召回率(Recall)與F1 Score為90.68%、91.25%與90.97%，本研究在少量的數據下，透過增強特徵提取的方式與使用轉移學習，讓本論文所提出的模型有不錯的辨識能力與泛化性。