التحقق من صحة التوقيعات اليدوية باستخدام الشبكات العصبية السيامية (Siamese Neural Networks) وتقنيات التعلم العميق

يهدف هذا المشروع إلى بناء نظام ذكي للتحقق من صحة التوقيعات اليدوية وتمييز التوقيعات الأصلية من المزورة باستخدام تقنيات التعلم العميق. تم تطوير النظام بالاعتماد على Siamese Neural Networks (SNN)، وهي بنية متخصصة في قياس درجة التشابه بين صورتين بدلاً من تصنيف كل صورة بشكل منفصل، مما يجعلها مناسبة جدًا لمهام التحقق من الهوية والتوقيع. بدأت عملية التطوير بمعالجة صور التوقيعات وتجهيزها للنموذج من خلال تنفيذ خطوات Image Preprocessing لتحسين جودة البيانات وتقليل الضوضاء وتوحيد أبعاد الصور. بعد ذلك تم إنشاء أزواج من التوقيعات (Genuine & Forged Pairs) لتدريب النموذج على تعلم الفروق الدقيقة بين التوقيعات الأصلية والمزورة. تم بناء نموذج Siamese Neural Network باستخدام تقنيات Deep Learning بحيث يقوم كل فرع من فروع الشبكة باستخراج الخصائص المميزة للتوقيع، ثم يتم حساب درجة التشابه بين التوقيعين باستخدام تمثيلات الخصائص المستخرجة (Feature Embeddings). يعتمد القرار النهائي على مدى تقارب أو تباعد هذه التمثيلات داخل فضاء الخصائص. كما تم تقييم أداء النموذج باستخدام مجموعة من المقاييس المناسبة لمشكلات التحقق مثل: Accuracy Precision Recall F1-Score Confusion Matrix التقنيات والأدوات المستخدمة Python TensorFlow / Keras Siamese Neural Networks (SNN) Deep Learning Computer Vision OpenCV NumPy Pandas Matplotlib Scikit-learn Jupyter Notebook Git & GitHub النتائج تطوير نظام قادر على مقارنة توقيعين وتحديد مدى تطابقهما. تحسين القدرة على اكتشاف التوقيعات المزورة من خلال تعلم الأنماط الدقيقة في شكل التوقيع. تطبيق عملي لمفاهيم Computer Vision وDeep Learning في مجال التحقق البيومتري (Biometric Verification).