Resumo
O uso de aprendizado de máquina para verificação automática de assinaturas teve uma grande evolução nos últimos anos. Apesar disso, mesmo os melhores modelos continuam com desempenhos insatisfatórios nas bases de dados mais desafiadoras quando comparados com outras atividades de verificação biométrica. Neste trabalho, uma investigação foi realizada sobre os erros cometidos por modelos de verificação de assinatura automáticos e medido o desempenho de variações feitas em modelos já existentes. Os resultados foram avaliados na base de dados UTSIG e comparados com os resultados de outros modelos já existentes.
Referências
Hafemann LG, Sabourin R, Oliveira LS. Learning Features for Offline Handwritten Signature Verification using Deep Convolutional Neural Networks. Pattern Recognition. 2017 Oct 1;70:163-76.

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2019 Revista dos Trabalhos de Iniciação Científica da UNICAMP
