تایید امضای آفلاین با استفاده از شبکه عصبی پیچشی یادگیری عمیق (‏CNN) ‏معماری های GoogleNet Inception-v1 و Inception-v3

سیستم‌های زیست سنجشی انتزاعی مانند تایید امضا به منظور شناسایی افراد در سازمان‌ها یا در بخش‌های مالی بسیار با دوام هستند. پیشرفت در طبقه‌بندی تصاویر با استفاده از شبکه‌های یادگیری عمیق فرصتی را ایجاد کرده‌است که سیستم‌های بیومتریک مانند تایید امضا به منظور شناسایی افراد در سازمان‌ها یا برای این مسئله بسیار مناسب هستند. در این مطالعه، بزرگ‌ترین مجموعه داده امضای دست‌نویس در دسترس، به عنوان مثال، ‌GPDS پایگاه‌داده امضا، برای طبقه‌بندی امضاهای ۱۰۰۰ کاربر به کار گرفته شد، که هر کدام دارای۲۴ امضای اصلی(حقیقی)‏، و ۳۰ امضا جعلی (‏یا تقلبی) هستند علاوه بر این ، دو نسخه معماری GoogLeNet از CNN ، یعنی Inception-v1 و Inception-v3 استفاده شده است. دقت اعتبار سنجی برای Inception-v1 به میزان ۸۳ % و برای Inception-v3 به میزان ۷۵ % به دست آمد. از نظر نرخ خطای برابر (EER)، Inception-v1 موفق به کسب EER حداقل ۱۷ برای ۲۰ کاربر شد. در حالی که EER برای Inception-v3 با ۲۰ کاربر ۲۴ به دست آمده، که یک معیارخوب در مقایسه با آثار قبلی در ادبیات است. اگر چه در این مطالعه اذعان می‌شود Inception-v3 عملکرد بهتری

Biometric systems such as signature verification are highly viable in order to identify individuals in organizations or in finance divisions. Advancement in classification of images using deep learning networks has opened an opportunity for this problem. In this study, the largest available handwritten signature dataset, namely, the GPDS Synthetic Signature Database, was employed for the classification of signatures of 1000 users, each of which having 24 original (or genuine) signatures, and 30 forged (or fake) signatures. Moreover, two popular GoogLeNet architecture versions of CNN, namely, Inception-v1 and Inception-v3, were used. Firstly, algorithms were trained on samples from 20 users, and achieved a validation accuracy of 83% for Inception-v1 and 75% for Inception-v3. In terms of Equal Error Rates (EER), Inception-v1 managed to obtain an EER as low as 17 for 20 users; while EER for Inception-v3 with 20 users obtained 24, which is a good measure compared to prior works in the lite