Xác minh chữ ký viết tay có vai trò rất quan trọng trong việc bảo mật và xác định danh tính của người dùng khi liên quan đến các hoạt động hành chính, công ty hay ngân hàng. Sau giai đoạn đầu với những phương pháp xác minh chữ ký theo cách tiếp cận truyền thống, gần đây một số giải thuật dựa trên học sâu đã cho thấy nhiều kết quả hứa hẹn đối với bài toán này. Tuy nhiên, vẫn có ít nghiên cứu nhằm tổng hợp và so sánh các mô hình học sâu để từ đó có thể giúp cải thiện xác minh chữ ký một cách hiệu quả hơn. Bài báo này sẽ xây dựng và so sánh các mô hình học sâu gần đây - thông qua nhiều kiến trúc khác nhau - đối với bài toán xác minh chữ ký. Kết quả cho thấy, việc tách biệt quá trình học thuộc tính của ảnh chữ ký với bộ phân loại mang lại hiệu quả xác minh cao nhất. Ngoài ra, bài báo còn đề xuất sử dụng bộ phân loại mới - XgBoost - nhằm cải thiện kết quả xác minh so với phương pháp trước đây, Tóm tắt tiếng anh, Verification of handwritten signatures plays a very important role in securing and determining user information concerning activities in administration, companies or banks. Following early methods based on traditional approach, recent deep learning based algorithms have shown promising results for signature verification. Yet, there are few studies which have been carried out to review and compare these models, and consequently help improve signature verification effectively. This paper will build and compare several deep learning models - with various architectures - for signature verification. The results shows that separating feature learning from classification can bring the highest verification efficiency. Besides, the paper also proposes to use a new classifier - XgBoost - to improve the signature verification consequence compared with the previous method.