Derin evrişimsel ağlar kullanarak çevrimdışı sahte imza ve gerçek imza sınıflandırılması

Bu tez çalışmasında günümüzde insan hayatında önemli bir etkiye sahip olan derin öğrenme yöntemleri kullanılarak imza doğrulama ele alınmıştır. Son zamanlarda artan sahtecilik olaylarından sonra çevrim dışı imzaların incelenmesi belge inceleme uzmanları tarafından oldukça iş yükü oluşturmuştur. Yapay zeka'nın gelişimi ile birlikte imza doğrulama otomatik hale getirmek amacıyla derin öğrenme tekniklerinin ilerlemesi ile birlikte çeşitli yöntemler denenmiştir. Derin öğrenme yöntemlerinden olan evrişimsel sinir ağları kullanılmıştır. Evrişimsel sinir ağlarına ait görüntü sınıflandırmada kullanılan; AlexNet, DenseNet121, MobileNet, Vgg16, Vgg19, Resnet50, Resnet101, InceptionV1, InceptionV3 mimarileri kullanılmıştır. Kullanılan veri setleri GPDS ve ICDAR2011 imza veri setleridir. Bu veri setleri için kullanılan modellerden en yüksek başarı oranları karşılaştırılmıştır. GPDS veri seti için en yüksek doğruluk oranı MobileNet mimarisinde %99.72, ICDAR2011 veri seti için en yüksek doğruluk oranı InceptionV3 mimarisinde %99.92 elde edilmiştir.