纸质签名比对检索模型Sig-OSNet

签名检索与溯源是生物行为特征识别的重要技术手段。当前纸质签名检索与溯源面临三大核心挑战：纸质签名噪声干扰严重、开集场景对未知书写者的泛化能力不足、深度特征模型难以兼顾局部细节与全局结构表征。针对上述挑战，本文提出Sig-OSNet模型，做出两项关键技术创新。首先，我们首次在签名领域引入全尺寸多尺度卷积架构，通过多个并行卷积分支构建不同感受野，同时捕捉签名的微观笔画细节和宏观结构轮廓。其次，我们设计了统一聚合门机制，根据输入内容动态调整各尺度特征权重，实现自适应融合以应对签名的多样化变化。这两项技术创新显著提升了模型对纸质签名的特征表达能力和检索精度。本文提供Sig-OSNet的模型权重数据，支持无缝集成到实际应用系统中，可为司法鉴定、金融安全等场景提供可靠的技术支撑，具有重要的学术价值和广阔的应用前景。