СРАВНИТЕЛЬНЫЙ АНАЛИЗ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ РАСПОЗНАВАНИЯ ДИНАМИКИ РУКОПИСНЫХ ПОДПИСЕЙ

Аннотация

В работе исследуется применение нейронных сетей для распознавания рукописных подписей с учётом динамики их ввода. Рассмотрены три типа архитектур: полносвязные, LSTM и свёрточные сети. Проведен анализ влияния ключевых гиперпараметров, таких как количество слоёв, функция активации, оптимизатор и размер пакета на точность классификации. Эксперименты выполнены на наборе данных MCYT Signature 100, содержащем подписи 100 авторов и их подделки. Результаты показывают, что CNN и LSTM сети достигают наилучшей точности при правильной настройке гиперпараметров и предобработке данных, включающей нормализацию и интерполяцию. Предложенный метод имеет практическую ценность для автоматизации верификации подписей и может быть применён в работе система безопасности и электронного документооборота.