SigScatNet：一种基于连体网络与散射小波的签名伪造检测与相似度评估深度学习方法
计算机视觉与模式识别
2023-11-10 v1 机器学习
信号处理
摘要
伪造签名的激增给个人与组织带来了广泛的困扰与严峻挑战。这篇开创性研究论文介绍了SigScatNet，一种利用连体（Siamese）深度学习网络并结合散射（Scattering）小波潜力的创新方案，用于检测签名伪造并评估签名相似度。连体网络使我们能够通过综合相似度指标确证签名真伪，实现精准验证与比对。值得注意的是，散射小波的集成赋予模型极高效率，使其足够轻量以在低成本硬件系统上无缝运行。为验证方法有效性，我们在两个开源数据集上进行了大量实验：ICDAR SigComp Dutch数据集与CEDAR数据集。实验结果表明我们提出的SigScatNet具有实用性与显著成功，在ICDAR SigComp Dutch数据集上取得无与伦比的3.689%等错误率（EER），在CEDAR数据集上取得惊人的0.0578% EER。通过SigScatNet的实现，我们的研究在EER分数与计算效率方面开创了签名分析的新SOTA，为检测伪造与量化签名相似度提供了先进且易用的方案。借助前沿的连体深度学习与散射小波，我们提供了一个鲁棒框架，为安全高效的签名验证系统铺平道路。
引用
@article{arxiv.2311.05579,
title = {SigScatNet: A Siamese + Scattering based Deep Learning Approach for Signature Forgery Detection and Similarity Assessment},
author = {Anmol Chokshi and Vansh Jain and Rajas Bhope and Sudhir Dhage},
journal= {arXiv preprint arXiv:2311.05579},
year = {2023}
}
备注
7 pages, 8 figures