در دنیای دیجیتالی امروز، شناسایی نویسنده یک مسئله چالشبرانگیز است. امروزه، اسناد بسیاری توسط دوربینهای دیجیتالی و دستگاههای اسکنر در حال تبدیل شدن به تصاویر هستند و زمینهای برای پژوهش در زمینه شناسایی نویسنده آفالین فراهم نمودهاند. تاکنون تکنیکها و روشهای گوناگونی برای حل این مسئله ارائه شده است که در میان آنها روشهای مبتنی بر یادگیری عمیق به دلیل نتایج بهینه و مطلوب مورد توجه قرار گرفتهاند. در این پژوهش با کمک یک شبکه عصبی کانولوشنی عمیق به ارائه یک روش برای شناسایی نویسنده متن پرداخته شده است. راهکار ارائه شده شامل سه گام پیشپردازش، استخراج ویژگی و طبقهبندی میباشد که در مرحله پیشپردازش ابتدا با انجام نرمالسازی تصاویر، حذف نویز با فیلتر گاوسی و جداسازی متن با استفاده از الگوریتم اتسو کیفیت تصاویر بهبود مییابد سپس به استخراج ویژگیهای خودکار از تصاویر پرداخته شده است. معماری شبکه پیشنهادی ترکیبی از چندین الیه کانولوشنی با سه سایز مختلف و به صورت عمیق است. مسئله شناسایی نویسنده به دلیل کاربردهایی که در زمینههای اسناد قانونی، شناسایی جعل و اسناد تاریخی دارد همواره مورد توجه پژوهشگران این حوزه بوده است. در نهایت مدل پیشنهادی توسط معیارهای مختلف بر روی مجموعه داده CVL مورد ارزیابی و بررسی قرار گرفته است. نتایج بهدست آمده توسط این معیارها نشان از عملکرد قابل قبول روش پیشنهادی است.
