中文手寫簽名驗證:資料集建構與深度學習模型

Abstract

"手寫簽名驗證是一個十分普遍的身分驗證方式，應用於諸多情境中，也因此自動化的手寫簽名驗證一直是一項重要的研究主題，許多的研究人員致力於開發高效且具可靠性的自動簽名驗證系統(automatic signature verification system)，一個可靠的自動簽名驗證系統可以節省大量的人力資源。早期的研究常使用專家裁切特徵(Hand-Crafted Features)，例如線條、彎曲、材質或是區域性的特徵來提取圖像的特徵，後來隨著運算力的提升，基於卷積神經網路的方法在圖像領域逐漸興起並取得良好的表現，神經網路模型直接從簽名圖像中提取特徵，同時大部分早期的研究集中於西方語言，隨著這個研究主題逐漸發展，關注其他語言如中文、日文、阿拉伯語、波斯語、印地語以及孟加拉語的研究才漸漸增加，儘管如此，中文手寫簽名的資料集仍十分匱乏，這將阻礙中文簽名驗證的發展，因此在本研究中我們收集了一個大型且具有挑戰性的中文手寫資料集，並將之命名為 ”HanSig”(即為Han Signature的縮寫)，我們精心設計了收集資料的流程，最後我們總共收集了37,680張簽名圖像，這些簽名來自314位志願者，接著我們使用一些十分常見的卷積神經網路骨幹(CNN backbones)來提取簽名圖像的特徵，並比較各骨幹的表現以提供其他想要使用HanSig的研究者做為參考，在我們的實驗結果中， 使用DenseNet169以及ResNet34模型取得最佳的表現，我們在本研究中所提供的結果能夠提供其他想要使用HanSig的研究者參考，我們相信此資料集必定能為中文手寫簽名驗證的研究提供一份助力。"