Intelligent Signature Verification System Using Hybrid Deep Learning with WOA-GGO Driven Feature Selection
यह शोध पत्र एक इंटेलिजेंट सिग्नेचर वेरिफिकेशन सिस्टम का प्रस्ताव करता है जो बेहतर प्रीप्रोसेसिंग, ResNet-आधारित फीचर एक्सट्रैक्शन, फीचर सिलेक्शन के लिए एक हाइब्रिड Walrus-Greylag Goose ऑप्टिमाइज़ेशन एल्गोरिदम, और एक स्कोर-लेवल फ्यूज्ड RNN-Bi-LSTM मॉडल को संयोजित करके सटीकता को बढ़ाता है, जिससे GPDS और CEDAR डेटासेट पर उत्कृष्ट प्रदर्शन प्राप्त होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सदियों से, हस्तलिखित हस्ताक्षर विश्वास की एक व्यक्तिगत मुहर के रूप में कार्य करते रहे हैं, एक अनूठा निशान जो किसी व्यक्ति को एक दस्तावेज़, बैंक चेक या कानूनी समझौते से जोड़ता है। आधुनिक दुनिया में, अपने नाम पर हस्ताक्षर करने का यह सरल कार्य सुरक्षा का एक आधार बना हुआ है, भले ही डिजिटल लेनदेन अधिक सामान्य होते जा रहे हों। हालाँकि, यह सत्यापित करना कि हस्ताक्षर असली है या एक चतुर जालसाजी, मनुष्यों के लिए एक कठिन कार्य है, जो कुशल नकल करने वालों द्वारा ठगे जा सकते हैं या व्यक्ति के अपने हस्तलेखन में स्वाभाविक विविधताओं से भ्रमित हो सकते हैं। इसे हल करने के लिए, शोधकर्ताओं ने कंप्यूटर की ओर रुख किया है, ऐसे सिस्टम बनाकर जो यह तय करने के लिए कि हस्ताक्षर वास्तविक है या नहीं, हस्ताक्षर के आकार, प्रवाह और बनावट का विश्लेषण कर सकें। ये सिस्टम हस्ताक्षर को उसके सबसे छोटे दृश्य भागों में तोड़कर काम करते हैं, उन पैटर्न की तलाश करते हैं जो एक वास्तविक हस्ताक्षर में सुसंगत होते हैं लेकिन एक नकली में टूटे हुए या असंगत होते हैं। चुनौती कंप्यूटर को शोर (noise), जैसे कि कागज पर धब्बे या फोटोग्राफ की असमान रोशनी से भ्रमित हुए बिना इन सूक्ष्म अंतरों को देखना सिखाने में निहित है।
शोधकर्ताओं की एक टीम ने इस चुनौती से निपटने के लिए डिज़ाइन किया गया एक नया, अत्यधिक प्रभावी सिस्टम विकसित किया है। उनका दृष्टिकोण सत्यापन प्रक्रिया को चार-चरणीय यात्रा के रूप में देखता है, जिसकी शुरुआत हस्ताक्षर की छवि को साफ करने से होती है। उन्होंने पाया कि शोर हटाने के मानक तरीके अक्सर लेखन की महीन रेखाओं को धुंधला कर देते हैं, इसलिए उन्होंने एक बेहतर फ़िल्टरिंग तकनीक बनाई जो पेन के स्ट्रोक के तीखे किनारों को बरकरार रखते हुए पृष्ठभूमि को चिकना करती है। एक बार जब छवि स्पष्ट हो जाती है, तो सिस्टम हस्ताक्षर के "फिंगरप्रिंट" को निकालने की प्रक्रिया शुरू करता है। केवल छवि को देखने के एक तरीके पर निर्भर रहने के बजाय, यह एक साथ तीन अलग-अलग दृष्टिकोणों का उपयोग करता है। यह एक शक्तिशाली इमेज-एनालिसिस टूल का उपयोग करके स्याही के भीतर छिपे गहरे, जटिल पैटर्न को पकड़ता है, पूरे हस्ताक्षर के समग्र आकार और आकार को मापता है, और स्ट्रोक के भीतर प्रमुख बिंदुओं के बीच विशिष्ट दूरियों की भी गणना करता है। यह संयोजन सुनिश्चित करता है कि कंप्यूटर बड़ी तस्वीर और सूक्ष्म विवरण दोनों को देख सके।
अगला चरण इस विशाल डेटा बिंदुओं के संग्रह में से सबसे महत्वपूर्ण को खोजने के लिए छंटनी करना है। शोधकर्ताओं ने सबसे उपयोगी विशेषताओं को चुनने और बाकी को हटाने के लिए, ताकि सिस्टम को तेज़ और अधिक सटीक बनाया जा सके, एक स्मार्ट, प्रकृति से प्रेरित खोज पद्धति का उपयोग किया। यह चयन प्रक्रिया दो अलग-अलग रणनीतियों के माध्यम से निर्देशित होती है जो आपस में मिलकर काम करती हैं, जो विभिन्न संभावनाओं का पता लगाने और सर्वोत्तम समाधान पर स्थिर होने के लिए वालरस (walrus) और हंस (goose) के व्यवहार की नकल करती हैं। चुनी गई सबसे महत्वपूर्ण विशेषताओं के साथ, सिस्टम अंतिम निर्णय लेने के चरण में जाता है। यहाँ, यह दो अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग करता है जो तालमेल के साथ काम करते हैं। एक प्रकार घटनाओं के क्रम को याद रखने में उत्कृष्ट है, जैसे कि हस्ताक्षर में स्ट्रोक का क्रम, जबकि दूसरा लेखन की शुरुआत और अंत दोनों से संदर्भ को समझने में कुशल है। इन दो विशेषज्ञों के निर्णयों को जोड़कर, सिस्टम एक अंतिम स्कोर प्रदान करता है जो यह दर्शाता है कि हस्ताक्षर असली है या जाली।
शोधकर्ताओं ने इस नए फ्रेमवर्क का परीक्षण हस्ताक्षर छवियों के दो बड़े संग्रहों पर किया, जिसमें से एक में 8,000 से अधिक नमूने थे और दूसरे में 2,600 से अधिक। परिणामों ने दिखाया कि उनका सिस्टम उल्लेखनीय रूप से सटीक था, पहले डेटासेट पर 97 प्रतिशत से अधिक की सफलता दर के साथ वास्तविक हस्ताक्षरों की पहचान करने और जालसाजी को पकड़ने में सफल रहा और दूसरे डेटासेट पर लगभग 97 प्रतिशत। अन्य उन्नत तरीकों की तुलना में, जो वर्तमान में उपयोग में हैं, उनके सिस्टम ने लगातार उनसे बेहतर प्रदर्शन किया, जिससे वास्तविक हस्ताक्षरों को अस्वीकार करने और नकली हस्ताक्षरों को स्वीकार करने, दोनों में कम गलतियाँ हुईं। सिस्टम ने यह भी सिद्ध किया कि वह मजबूत है, उच्च गुणवत्ता वाली छवियों के बिना भी अपनी उच्च सटीकता बनाए रखता है। सफाई, विश्लेषण, चयन और निर्णय के इन विभिन्न चरणों को एकीकृत करके, शोधकर्ताओं ने एक ऐसा सत्यापन उपकरण बनाया है जो न केवल अधिक सटीक है बल्कि अधिक विश्वसनीय भी है, जो उस दुनिया में धोखाधड़ी के खिलाफ एक मजबूत ढाल प्रदान करता है जो अभी भी हस्तलिखित चिह्न पर बहुत अधिक निर्भर है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।