SigNet：用于无约束离线签名验证的卷积暹罗网络

离线签名验证是生物识别和文件鉴定领域中最具挑战性的任务之一。与其他验证问题不同，它需要建模真实签名与伪造签名之间细微但关键的细节，因为熟练的伪造签名往往会在微小变形的情况下与真实签名非常相似。在书写者无关的情境下，这一验证任务尤为困难，而这种情境对于现实应用来说无疑是至关重要的。本文中，我们利用卷积Siamese网络对离线书写者无关的签名验证任务进行建模。Siamese网络是一种具有共享权重的双胞胎网络，可以通过训练学习到一个特征空间，在该空间中相似的观测值会被放置在接近的位置。这是通过向网络展示一对相似和不相似的观测值，并最小化相似对之间的欧氏距离同时最大化不相似对之间的欧氏距离来实现的。我们在跨域数据集上进行的实验强调了我们的网络在不同语言（脚本）和书写风格中建模伪造签名的能力。此外，我们设计的名为SigNet的Siamese网络在大多数基准签名数据集上的表现超过了现有最先进方法，为该领域的进一步研究铺平了道路。