Serbest ve bakarak taklit ile oluşturulmuş metin tabanlı, karma ve stilize imzaların evrişimsel sinir ağı kullanılarak tespiti
Detection of freehand and basically imitated text-based, mixed and stylized signatures using convolutional neural networks
- Tez No: 984406
- Danışmanlar: PROF. DR. AYSUN BALSEVEN ODABAŞI
- Tez Türü: Tıpta Uzmanlık
- Konular: Adli Tıp, Forensic Medicine
- Anahtar Kelimeler: Adli belge, Forensic document
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Adli Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Belge üzerinde yer alan imzanın orijinal olup olmadığının tespiti adli tıp uygulamalarında kritik bir öneme sahiptir. Geleneksel yöntemlerde her bir belgedeki imzaların ve kişiden alınan veya alınmış olan imzaların tek tek, detaylı incelenmesi gerekmektedir. Ancak bu yöntem hem zaman alıcıdır hem de belgeyi inceleyenin deneyimi sonucu etkilemektedir ayrıca bazı inceleme yöntemleri belge bütünlüğüne zarar verme riski taşımaktadır. Evrişimsel sinir ağları ile imzaların görüntüleri üzerinden yapılan incelemeler, bu tür invaziv işlemlere gerek kalmadan değerlendirme yapılmasını sağladığı için büyük avantaj sunmaktadır. Bu çalışmada, adli belge inceleme alanında söz konusu imzanın orijinal olup olmadığının tespiti için derin öğrenme tekniklerinden yararlanılarak, farklı türdeki imzaların (metin tabanlı, stilize ve karma) farklı şekilde taklidi (bakarak ve serbest taklit) ile elden edilen imza örneklerinin orijinal olup olmadığının sınıflandırılması amaçlanmıştır. Araştırmada, 300 taklit ve 300 orijinal imzanın görüntüleri kullanılmıştır. İmza sınıflandırması için VGG16, ResNet50 ve MobileNetV2 gibi Evrişimsel Sinir Ağı (ESA) tabanlı modeller değerlendirilmiş ve en yüksek doğruluk oranını sağlayan model belirlenmiştir. Veri seti, eğitim, doğrulama ve test aşamalarına ayrılarak modelin performansı analiz edilmiş; doğruluk, duyarlılık, özgüllük, F1 skoru gibi metrikler kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme tekniklerinin adli belge inceleme bağlamında hızlı, otomatik ve yüksek doğruluk oranına sahip bir cinsiyet tespit yöntemi olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
The detection of whether a signature on a document is original is of critical importance in forensic applications. Traditional methods require a detailed, individual examination of the signatures on each document and those obtained from the individual. However, this approach is time-consuming, influenced by the examiner's experience, and some examination methods carry the risk of damaging the document's integrity. Examinations conducted using convolutional neural networks (CNNs) on signature images offer significant advantages by enabling evaluations without the need for such invasive and/or time consuming procedures. This study aims to classify whether signature samples, obtained through different types of imitation (basic and freehand imitation) of various signature types (text-based, stylized, and mixed), are original or not, utilizing deep learning techniques for detecting the authenticity of signatures in forensic document examination. The study used images of 300 imitated and 300 original signatures. CNN-based models such as VGG16, ResNet50, and MobileNetV2 were evaluated for signature classification, and the model providing the highest accuracy rate was identified. The dataset was divided into training, validation, and testing phases to analyze the model's performance, which was assessed using metrics such as accuracy, sensitivity, specificity, and F1 score. The results demonstrate that deep learning techniques can be employed as a fast, automated, and highly accurate method for signature authenticity detection in the context of forensic document examination
Benzer Tezler
- Okul öncesi dönemde sözel olmayan otizm spektrum bozukluğu tanılı çocukların söz öncesi becerilerinin gelişiminde anne yanıtlayıcılığının etkisinin boylamsal incelenmesi
An investigation on the effect of maternal responsiveness on preverbal skill gains in children with nonverbal autism spectrum disorder in the preschool period
GAMZE ALAK
Doktora
Türkçe
2018
Eğitim ve ÖğretimAnkara ÜniversitesiÖzel Eğitim Ana Bilim Dalı
PROF. DR. İNAYET FUNDA ACARLAR
- Rastall's theory of gravity extension of the standard Lambda-CDM model
Standart Lambda-CDM modelinin Rastall genelçekim kuramı genelleştirmesi
BURCU ÖZTÜRK
Yüksek Lisans
İngilizce
2021
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR AKARSU
- Doküman inceleme uzmanlarına imza incelemeleriyle ilgili yeterlilik testlerinin uygulanması üzerinde bir araştırma
Investigation on proficiency test applications relating signature examinations to the document examiners
SALİH SALA
Yüksek Lisans
Türkçe
2006
Adli TıpAnkara ÜniversitesiAdli Tıp Ana Bilim Dalı (disiplinlerarası)
PROF.DR. MAKSUT COŞKUN
- Physical investigation of 2d free falling wedge
Serbest düşümlü 2 boyutlu kamanın fiziksel olarak incelenmesi
AHMET MERTCAN YASA
Doktora
İngilizce
2022
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı
PROF. DR. ABDİ KÜKNER