Обнаружение фальсифицированных подписей с применением глубинного обучения

Рукописная подпись — один из наиболее часто используемых методов для идентификации человека. Область верификации подписей хорошо изучена, однако в основном исследователи используют придуманные с нуля архитектуры, основанные на свёрточных нейронных сетях или трансформерах. Существует лишь несколько примеров использования трансферного обучения для этой задачи, и большинство из них основаны на моделях, датируемых 2019 годом и ранее. В связи с этим мы предлагаем использовать для трансферного обучения предобученные модели ConvNeXt (2022) и CoAtNet (2021), которые сочетают в себе преимущества механизма самовнимания и свертки. Их архитектурные детали и результаты в задаче классификации изображений дают основания ожидать конкурентные результаты в рассматриваемой области. Мы используем несколько подходов к тренировке моделей и принятию решений на основании извлеченных признаков. В ходе экспериментов было выяснено, что, несмотря на отсутствие удовлетворительных результатов на базах данных западных языков, предлагаемые модели показывают конкурентоспособное качество на базе данных UTSig персидского языка с точностью 82.3%.