针对笔迹鉴别任务中图像大面积是背景、笔迹信息稀疏、关键性信息难以捕捉，并且个人笔迹签名风格具有微小变化而刻意模仿的笔迹高度相似，以及公开的中文笔迹数据集的匮乏的问题，通过对注意力机制和孪生网络模型进行改进，提出一种基于多尺度混合域注意力机制的笔迹鉴别方法（MMDANet）。首先，在有效通道注意力模块上并联一个最大池化层，并将二维条带池化模块的通道数扩展到三维，将改进的有效通道注意力模块和条带池化模块融合生成混合域模块（MDM），解决了笔迹图像大面积是背景、笔迹信息稀疏、细节特征难以提取的问题；其次，利用PANet特征金字塔进行多尺度提取特征，捕获真伪笔迹间的细微差异，采用孪生网络的对比损失与AM-Softmax损失加权融合进行训练，增加类别间的区分度，解决个人笔迹风格变化和真伪笔迹高度相似的问题；最后自制了总体样本数为8 000的中文笔迹数据集（CHD）。所提方法在自制中文数据集CHD上的准确率达到了84.25%，且相较于次优的Two-stage SiamNet方法，所提方法在3个外文数据集Cedar、Bengla和Hindi上准确率分别提升了4.53%、1.02%和1.67%。实验结果表明，MMDANet可以更准确地捕获真伪笔迹的细微差异，完成复杂的笔迹鉴别任务。
