Adli belge incelemesinde imza ve parafların derin öğrenme tabanlı analizi: Taklitçi tespiti ve uzman karşılaştırması
Deep learning-based analysis of signatures and paraphs in forensic document examination: Forger identification and comparison with forensic document examiners
- Tez No: 1022662
- Danışmanlar: PROF. DR. YAVUZ HEKİMOĞLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Adli Tıp, Forensic Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Bilkent Şehir Hastanesi
- Ana Bilim Dalı: Adli Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: İmza ve parafın bireye aidiyetinin tespiti, başta grafolojik inkâr vakaları olmak üzere pek çok hukuki uyuşmazlığın yargısal sonucunu doğrudan etkileyen kritik bir adli belge incelemesi konusudur. Mevcut uygulamada adli belge inceleme uzmanının görsel karşılaştırmaya dayalı değerlendirmesi hem zaman alıcı hem de incelemecinin deneyimine bağlı bir süreçtir. Bu çalışmada, uzman görüşünü hızlandırıp standartlaştırabilecek, derin öğrenme tabanlı bir karar destek modelinin geliştirilmesi amaçlanmıştır. Bu kapsamda yalnızca imzanın gerçek-taklit ayrımı değil; aynı zamanda sahte bir örneğin hangi taklitçiye ait olduğunun belirlenmesi ve imzaya ek olarak parafın da değerlendirmeye dahil edildiği çok modlu bir doğrulama çerçevesi tasarlanmıştır. Farklı derin öğrenme mimarilerinin bu üç görevdeki performansları karşılaştırmalı olarak incelenmiş ve modellerin performansı aynı test örnekleri üzerinde adli belge inceleme uzmanlarının değerlendirmeleriyle de karşılaştırılmıştır. Gereç ve Yöntem: 18-65 yaş aralığında, bilinen nöromüsküler hastalığı bulunmayan 21 gönüllüden iki ayrı oturumda gerçek imza, paraf ve beş ek karakter (W, Ş, İ, O, α) örnekleri toplanmıştır. Aynı 21 gönüllü içerisinden seçilen üç hedef katılımcı için, kalan 18 katılımcının ve hedef katılımcıların birbirlerini bakarak taklit etmesiyle sahte örnekler üretilmiş; toplam 7.350 gerçek ve 2.400 taklit olmak üzere 9.750 görüntülük bir veri seti oluşturulmuştur. Sınıflandırma için VGG-16, ResNet-50, MobileNetV3-Large ve EfficientNetV2-S omurgalı evrişimli sinir ağı modelleri ile EfficientNetV2-S omurgalı Siamese ağı; üç aşamalı bir tasarımla (Aşama 0: yazar kimliği sınıflandırması, Aşama 1: gerçek-taklit imza doğrulama, Aşama 2: kapalı küme taklitçi tespiti) değerlendirilmiştir. Modellerin Aşama 1 ve Aşama 2 performansı ayrıca beş adli belge inceleme bilirkişisinin aynı test örnekleri üzerindeki kararlarıyla karşılaştırılmıştır. Bulgular: Aşama 0'da VGG-16 ve EfficientNetV2-S Top-1 = 0,9303 ile en yüksek yazar tanıma doğruluğuna ulaşmıştır. Aşama 1'de Siamese ağ tüm alt gruplarda yanlış kabul oranı sıfır (FAR = 0,0000), EfficientNetV2-S ise en düşük eşit hata oranı (EER = 0,0219) ile öne çıkmış; iki model (ResNet-50 ve EfficientNetV2-S) imza alt grubunda hatasız sınıflandırma elde etmiştir. Aşama 2'de EfficientNetV2-S Top-1 = 0,8583 ve Top-5 = 0,9722 ile en başarılı model olmuştur. Adli belge inceleme uzmanları gerçek–taklit ayrımında yüksek doğruluk (%93,3) göstermiş ve bu görevde modellerle benzer performans sergilemiştir. Buna karşın taklitçi kimliğinin belirlenmesinde uzman performansı belirgin olarak düşmüş, modellerin gerisinde kalmıştır. Sonuç: Bulgular, derin öğrenme tabanlı modellerin kontrollü veri setinde imza-paraf doğrulamasında yüksek performans gösterebildiğini ve adli belge inceleme sürecinde uzman değerlendirmesini destekleyebilecek yardımcı bir karar destek yaklaşımı olarak potansiyel taşıdığını göstermektedir. Bununla birlikte, rutin adli uygulamaya geçiş için daha geniş örneklemli, çok merkezli ve gerçek vaka temelli dış doğrulama çalışmalarına ihtiyaç vardır.
Özet (Çeviri)
Aim: The determination of whether a signature or paraph belongs to a particular individual is a critical issue in forensic document examination that directly affects the judicial outcome of many legal disputes, particularly graphological denial cases. In current practice, the forensic document examiner's evaluation based on visual comparison is both time-consuming and dependent on the examiner's experience. This study aims to develop a deep learning-based decision-support model capable of accelerating and standardizing expert opinion. Within this scope, a multi-modal verification framework was designed that addresses not only the genuine-versus-forged distinction of signatures, but also the identification of which forger produced a forged sample, and that incorporates paraphs alongside signatures into the evaluation. The performance of different deep learning architectures across these three tasks was comparatively examined, and the models' performance was also compared with the assessments of forensic document examiners on the same test samples. Materials and Methods: Genuine signature, paraph, and five additional character (W, Ş, İ, O, α) samples were collected in two separate sessions from 21 volunteers aged 18-65 with no known neuromuscular disorders. For three target participants selected from the same 21 volunteers, forged samples were produced by the remaining 18 participants and by the target participants imitating each other through imitation by visual reference (with the target sample visible during writing); a dataset of 9,750 images was thus formed, comprising 7,350 genuine and 2,400 forged samples. For classification, convolutional neural network models with VGG-16, ResNet-50, MobileNetV3-Large, and EfficientNetV2-S backbones, together with a Siamese network using an EfficientNetV2-S backbone, were evaluated within a three-stage design (Stage 0: writer-identity classification; Stage 1: genuine-versus-forged signature verification; Stage 2: closed-set forger identification). The Stage 1 and Stage 2 performance of the models was additionally compared with the decisions of five court-registered forensic document examiners on the same test samples. Results: In Stage 0, VGG-16 and EfficientNetV2-S achieved the highest writer identification accuracy with Top-1 = 0.9303. In Stage 1, the Siamese network achieved a zero false acceptance rate (FAR = 0.0000) across all subgroups, while EfficientNetV2-S stood out with the lowest equal error rate (EER = 0.0219); two models (ResNet-50 and EfficientNetV2-S) achieved errorless classification in the signature subgroup. In Stage 2, EfficientNetV2-S was the most successful model with Top-1 = 0.8583 and Top-5 = 0.9722. Forensic document examiners achieved high accuracy (93.3%) in the genuine-versus-forged distinction, performing comparably to the models in this task. However, in forger identification, expert performance declined notably and fell behind the deep learning models. Conclusion: The findings indicate that deep learning-based models can achieve high performance for signature-paraph verification on a controlled dataset and may carry potential as an auxiliary decision-support approach to assist expert evaluation in the forensic document examination process. Nonetheless, transition to routine forensic practice requires larger-scale, multi-center, and real-case external validation studies.
Benzer Tezler
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Belgedeki mürekkep boyalarında yıllara göre farklılıkların raman spektrometri ile belirlenmesi
Determination of differences in ink dyes in documents over the years by raman spectrometry
GÜL FİDAN YENEL
Doktora
Türkçe
2024
Kimyaİstanbul Üniversitesi-CerrahpaşaFen Bilimleri Ana Bilim Dalı
PROF. DR. SALİH CENGİZ
- Adli olay belgelerine ilişkin uzman raporlarında yazı ve imza inceleme yaklaşımlarına yönelik görünümler
Views on writing and signature review approaches in expert reports on forensic documents
AYTEN BOZ
Yüksek Lisans
Türkçe
2019
DilbilimPamukkale ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
DOÇ. DR. GÖKHAN ÇETİNKAYA
- Klasik ıslak imza ve dijital ortamda atılmış imzaların grafolojik yöntemler ile karşılaştırılması
Comparison of classic handwritten signature and electronical signatures with grafological methods
HASAN DEMİREL
- Fotokopi belgeler üzerinde bulunan imzaların adli belge incelemeleri yönünden yeterliliklerinin incelenmesi
Examination of the adequacy of signatures on photocopied documents in terms of forensic document examination
ZÜHAL CENGİZ
Yüksek Lisans
Türkçe
2025
HukukBursa Uludağ ÜniversitesiAdli Bilimler Ana Bilim Dalı
PROF. DR. NEVİN ARIKAN ÖLMEZ