Report
СИАМСКАЯ НЕЙРОСЕТЬ ДЛЯ ВЕРИФИКАЦИИ ПОДПИСЕЙ
| Τίτλος: | СИАМСКАЯ НЕЙРОСЕТЬ ДЛЯ ВЕРИФИКАЦИИ ПОДПИСЕЙ |
|---|---|
| Στοιχεία εκδότη: | Международный журнал гуманитарных и естественных наук, 2025. |
| Έτος έκδοσης: | 2025 |
| Θεματικοί όροι: | контрастивное обучение, signature verification, Siamese neural network, сверточная сеть, contrastive learning, биометрическая аутентификация, biometric authentication, deep learning, верификация подписей, глубокое обучение, Сиамская нейронная сеть, convolutional network |
| Περιγραφή: | This paper explores the application of a Siamese neural network to the task of handwritten signature verification. It outlines the key stages in constructing such a system, from preprocessing images to training the model using a contrastive loss function. Particular attention is given to the generation of training pairs, the selection of network architecture, and optimization strategies. The proposed system effectively addresses the challenge of signature comparison in settings with limited data, demonstrating strong robustness to variations in handwriting. The results are analyzed, and potential directions for further development of the approach are discussed. В данной работе рассматривается применение сиамской нейронной сети в задаче верификации рукописных подписей. Представлены ключевые этапы построения такой системы: от предварительной обработки изображений до обучения модели с использованием контрастивной функции потерь. Основное внимание уделяется формированию обучающих пар, выбору архитектуры сети и стратегии оптимизации. Предложенная система позволяет эффективно решать задачу сравнения подписей при наличии ограниченного объёма данных, демонстрируя высокую устойчивость к вариативности почерка. Анализируются полученные результаты и обсуждаются перспективы дальнейшего развития подхода. |
| Τύπος εγγράφου: | Research |
| DOI: | 10.24412/2500-1000-2025-5-1-324-329 |
| Rights: | CC BY |
| Αριθμός Καταχώρησης: | edsair.doi...........869120cda7fa3a1868a0eeefd2dbb8e9 |
| Βάση Δεδομένων: | OpenAIRE |
| DOI: | 10.24412/2500-1000-2025-5-1-324-329 |
|---|