کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Writer-Independent Signature Verification with Enhanced AlexNet and Preprocessing Analysis

نویسندگان :

Mohammadreza Gholipour Shahraki¹ Mohammad Ghasemzadeh²

1- دانشگاه یزد 2- دانشگاه یزد

کلمات کلیدی :

signature verification،Persian signature،Siamese neural network،Offline signature

چکیده :

Offline signature verification plays a crucial role in ensuring document authenticity, particularly in sectors reliant on handwritten signatures. This study introduces a Writer-Independent Signature Verification (WISV) system utilizing a Siamese neural network to compare signature pairs based on their cosine similarity. By preprocessing signature images into 400x400 pixel grayscale inputs, the model leverages convolutional neural networks (CNN) for feature extraction. The paper further evaluates the impact of data augmentation and aspect ratio preservation on model performance. Experimental results highlight that preserving input feature integrity during resizing enhances verification accuracy, providing a robust solution for signature verification. تأیید امضای آفلاین نقش حیاتی در تضمین اصالت اسناد دارد، به ویژه در بخش‌هایی که به امضاهای دست‌نویس وابسته‌اند. این مطالعه یک سیستم تأیید امضای مستقل از نویسنده (WISV) را معرفی می‌کند که از شبکه‌های عصبی سیامی برای مقایسه جفت‌های امضا بر اساس شباهت کسینوسی استفاده می‌کند. با پیش‌پردازش تصاویر امضا به ورودی‌های خاکستری ۴۰۰x۴۰۰ پیکسلی، این مدل از شبکه‌های عصبی کانوولوشنی (CNN) برای استخراج ویژگی‌ها بهره می‌برد. مقاله همچنین تأثیر افزایش داده‌ها و حفظ نسبت ابعاد بر عملکرد مدل را ارزیابی می‌کند. نتایج تجربی نشان می‌دهند که حفظ یکپارچگی ویژگی‌های ورودی در حین تغییر اندازه، دقت تأیید را افزایش می‌دهد و یک راه‌حل قوی برای تأیید امضا ارائه می‌دهد.