中秋签名
以往，我们习惯以签名作为赋予文件法律效力的手段。传统的手写签名验证只需要对手写的静态笔迹与当事人以往的笔迹进行比对，即可检验签名真伪。那么，在电子签名盛行的无纸化办公时代，我们又该如何辨别手写电子签名的真伪呢?
员工签署电子合同时，签的是别人的名字怎么办?如果你存在这样的困扰，法大大手写签名识别功能绝对是你的不二选择。
手写签名识别功能是什么？|签名真实性验证
手写签名识别是法大大针对正在进行数字化转型的传统企业，以及对手写签名校验有着强烈需求的大型企业推出的一项新功能，它可以帮助企业校验签约方（员工）签名的真实性，确保签名与合同信息保持一致。
用户在签署电子合同时，点击【手写签名】按钮，即可在线进行手写签名。用户可根据签名框中的汉字(正确的姓名)提示写下自己的姓名，系统会实时校验签名的真实性、一致性，校验通过即可完成合同签署。
△签名框提示需签署的正确姓名
以国内某劳动密集型制造集团为例，由于集团招聘需求旺盛，入职员工众多且时间密集，为了提升劳动合同的签署效率，确保签署身份的真实性，该集团引入了法大大电子签章服务。
借助法大大电子签章服务，该集团实现了劳动合同签署从纸质合同向电子合同的顺利过渡，支持数千人级别的同时在线签约及在线办理入职手续，合同签署时间节省了90%以上。同时，加入了手写签名识别功能后，使得员工线上签名及校验过程与线下1对1纸质签署形态保持一致，彻底解决了企业劳动合同签署合规性、真实性及意愿性需求，加强了集团对于劳动合同签署流程的安全性把控、合规性把控和业务灵活性。
手写签名识别功能的优势|签署体验提升
对于劳动密集型企业来说，使用纸质合同签署，企业HR需召集并集中指导员工进行劳动合同签署，还需对回收的合同进行校验，确保签名的一致性。而使用电子合同+手写签名识别功能后，员工只需提交签名，系统会自动快速检验签名结果，提升劳动合同签署效率。同时，手写签名识别响应速度能够达到毫秒的级别，识别率高达98%以上，不影响员工签署体验的同时让员工更容易接受线上签约的新模式。
对于正在进行数字化转型以及有手写签名校验需求的大型企业而言，手写签名识别功能可有效帮助企业提升员工签署体验，提升电子合同在企业内外部推广使用的效率。
通俗点说，手写签名识别技术是基于深度学习技术的手写汉字识别。即让计算机模拟人的大脑学习和认知的过程，通过一些复杂的运算让计算机学习并提取每一个汉字的特征并不断调整参数，从而达到识别出我们手写汉字的目的。
以下图为例，在告知左边为字母“X”的情况下，通过以往的学习和总结，我们可以轻而易举的识别出右边也是字母“X”。对于计算机而言，则需要提取两张图片的特征进行比对，比如两张图中结构完全一致的三个同色区域，才可能识别出右边也是“X”。
识别汉字的过程中，我们需要运用到卷积神经网络，卷积神经网络中的卷积操作提供了一个滑动的窗口，窗口可以提取感受野中的特征，并且向后传递，经过一次卷积以后形成的图我们称之为特征图feature map。
至于卷积运算的直观感受，如下图所示：
卷积神经网络可以处理图像以及一切可以转化成类似图像结构的数据，能够高效处理图片的二维局部信息，提取图片特征，进行图像分类。目前，卷积神经网络已广泛应用于计算机视觉、自动驾驶等技术中。
回到手写签名识别在电子合同领域的应用上，用户在签名环节手写完姓名并提交后，法大大会将用户手写的姓名输入事先用手写汉字的数据集训练过的模型中，模型就会找出图片中曾经见过的特征，输出它觉得最有可能的类别(汉字)概率。可见，卷积神经网络十分强大，但也十分依赖于训练的数据质量。
此次手写签名识别功能的开发，不仅体现了法大大产品核心技术的自主研发和创新，同时也是法大大不断打磨产品、提升服务的具体体现。此外，法大大还率先研发了业务指标实时监控面板、海外用户实名认证、法大大文印安全解决方案、合同碎片化安全存储机制等创新技术。守护互联网时代的契约精神，不仅仅是法大大的愿景，更是驱使法大大不断努力、不断前行的动力和源泉。未来，法大大还会上线并研发更多新功能，为提升用户体验而努力。
相关阅读
在COSMIC方法中，功能处理可拆分为四种数据移动：输入，输出，读，写。数据移动是最小的、不可再拆分的、软件内部的动作。在数据移动中包含
后台回复“1814
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，
学习操作系统：自己动手写操作系统 ->chapter5_e Kernel
前面已经分析过了boot.asm和loader.asm的代码，有Text版本和VGA版本。 Text版本的Kernel书里有，直接看就可以。 本此学习时VGA版本的
词性标注（Part-of-Speech Tagging, POS）、命名实体识别（Name Entity Recognition，NER）和依存句法分析（Dependency Parsing）是自然语言处