مجموعة بيانات الكشف عن التوقيعات#
مجموعة بيانات Ultralytics Signature Detection هي مجموعة بيانات object detection تحتوي على 178 صورة مستند مُعنّمة بفئة واحدة signature، مقسمة مسبقًا إلى 143 صورة للتدريب و35 صورة للتحقق من الصحة. يتم تنزيل مجموعة البيانات تلقائيًا (11.3 ميجابايت) عند التدريب لأول مرة، مما يجعلها نقطة بداية مدمجة لتطبيقات computer vision مثل التحقق من المستندات، الكشف عن الاحتيال، ومعالجة المستندات الرقمية.
هيكل مجموعة البيانات#
تحتوي مجموعة البيانات على 178 صورة لأنواع مختلفة من المستندات تحتوي على توقيعات مكتوبة بخط اليد، مقسمة إلى مجموعتين فرعيتين:
| التقسيم (Split) | الصور | الوصف |
|---|---|---|
| التدريب | 143 | صور مصنفة لتدريب النموذج |
| التحقق | 35 | الصور المحتجزة للـ evaluation |
تحمل كل صورة تعليقات توضيحية لصندوق الإحاطة لفئة واحدة، signature، ولا يحدد التكوين أي تقسيم منفصل للاختبار.
يتم تنزيل مجموعة بيانات كشف التوقيعات (11.3 ميجابايت) تلقائيًا من أصول Ultralytics على GitHub في المرة الأولى التي تقوم فيها بالتدريب، لذا لا يلزم إجراء تنزيل أو إعداد يدوي.
استكشف Signature on Ultralytics Platform لتصفح الصور مع طبقات التعليقات التوضيحية الخاصة بها، وعرض توزيع الفئات الخرائط الحرارية لصناديق الإحاطة في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص في السحابة.
التطبيقات#
يمكن للنموذج المدرب على مجموعة البيانات هذه تحديد والتوقيعات track في المستندات الممسوحة ضوئيًا والفيديو، مما يدعم:
- التحقق من المستندات: أتمتة عمليات التحقق من التوقيعات في المستندات القانونية والمالية
- الكشف عن الاحتيال: تحديد التوقيعات المزورة أو غير المصرح بها
- معالجة المستندات الرقمية: تبسيط سير العمل في القطاعات الإدارية والقانونية
- المصارف والتمويل: تعزيز الأمان في معالجة الشيكات والتحقق من مستندات القروض
- البحث الأرشيفي: دعم تحليل المستندات التاريخية وفهرستها
- التعليم والبحث: دراسة خصائص التوقيع عبر أنواع المستندات في دورات الرؤية الحاسوبية
YAML مجموعة البيانات#
يحدد ملف signature.yaml تكوين مجموعة البيانات — مسارات مجموعة البيانات، وأسماء الفئات، وغيرها من البيانات الوصفية. تتم صيانته في مستودع Ultralytics على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml.
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Signature dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/signature
# Example usage: yolo train data=signature.yaml
# parent
# ├── ultralytics
# └── datasets
# └── signature ← downloads here (11.3 MB)
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: signature # dataset root dir
train: images/train # train images (relative to 'path') 143 images
val: images/val # val images (relative to 'path') 35 images
# Classes
names:
0: signature
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/signature.zipالاستخدام#
لتدريب نموذج YOLO26n على مجموعة بيانات Signature Detection لمدة 100 epochs بحجم صورة 640، استخدم عينات التعليمات البرمجية المتوفرة. للحصول على قائمة شاملة بالمستجدات المتاحة، راجع صفحة Training الخاصة بالنموذج.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="signature.yaml", epochs=100, imgsz=640)بمجرد التدريب، يمكنك تشغيل inference على المستندات أو الفيديو باستخدام النموذج المُعدّل بدقة. يوضح المثال أدناه تشغيل التنبؤ على فيديو عينة بحد أدنى للثقة يبلغ 0.75:
from ultralytics import YOLO
# Load a model
model = YOLO("path/to/best.pt") # load a signature-detection fine-tuned model
# Inference using the model
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)صور وشروحات توضيحية عينة#
تغطي مجموعة البيانات مجموعة متنوعة من تنسيقات المستندات، مما يساعد النماذج المدربة على التعميم عبر العقود والنماذج والخطابات. فيما يلي دفعة تدريب من مجموعة البيانات:
- صورة مفسفسة (Mosaiced Image): هنا، نقدم دفعة تدريب تتكون من صور مجموعة بيانات مفسفسة. التفسيف (Mosaicing)، وهو تقنية تدريب، يجمع صوراً متعددة في صورة واحدة، مما يثري تنوع الدفعة. تساعد هذه الطريقة في تعزيز قدرة النموذج على التعميم عبر أحجام التوقيع المختلفة، ونسب العرض إلى الارتفاع، والسياقات.
الاقتباسات والشكر#
تم توفير مجموعة البيانات بموجب ترخيص AGPL-3.0.
إذا كنت تستخدم مجموعة بيانات كشف التوقيعات في عملك البحثي أو التطويري، يرجى الاستشهاد بها بشكل مناسب:
@dataset{Ultralytics_Signature_Detection_Dataset_2024,
author = {Ultralytics},
title = {Signature Detection Dataset},
year = {2024},
publisher = {Ultralytics},
url = {https://docs.ultralytics.com/datasets/detect/signature}
}الأسئلة الشائعة#
مجموعة بيانات Signature Detection هي مجموعة من 178 صورة مستند معنّمة لتدريب النماذج على اكتشاف التوقيعات بخط اليد. وهي تدعم التحقق من المستندات، واكتشاف الاحتيال، وأبحاث الأرشيف، وتُعد قاعدة عملية لبناء أنظمة smart document analysis باستخدام machine learning.
يتم تنزيل مجموعة البيانات تلقائيًا (11.3 ميجابايت) من أصول GitHub الخاصة بـ Ultralytics في المرة الأولى التي تقوم فيها بالتدريب باستخدام
data="signature.yaml"— ولا يتطلب الأمر أي تنزيل يدوي. لاستكشاف مجموعات بيانات أخرى، تصفح detection datasets overview.تحتوي مجموعة بيانات Signature Detection على 143 صورة تدريب و35 صورة تحقق — بإجمالي 178 صورة — كل منها معنّمة بفئة واحدة،
signature. لا يوجد تقسيم اختبار منفصل. راجع قسم Dataset Structure وتكوينsignature.yamlللحصول على التفاصيل.يمكنك تدريب نموذج YOLO26n لمدة 100 حقبة بحجم صورة 640 باستخدام Python أو CLI:
مثال على التدريبfrom ultralytics import YOLO # Load a pretrained model model = YOLO("yolo26n.pt") # Train the model results = model.train(data="signature.yaml", epochs=100, imgsz=640)لمزيد من التفاصيل، راجع صفحة Training وmodel training tips.
قم بتحميل الأوزان المعدلة بدقة وقم بتشغيل prediction:
مثال على الاستدلال (Inference)from ultralytics import YOLO # Load the fine-tuned model model = YOLO("path/to/best.pt") # Perform inference results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)تم إصدار مجموعة البيانات بموجب ترخيص AGPL-3.0 License، والذي يسمح بالاستخدام التجاري بشرط توفير الأعمال المشتقة — بما في ذلك البرامج المقدمة عبر الشبكة — بموجب نفس الترخيص. للحصول على خيارات ترخيص تزيل متطلبات المصدر المفتوح، راجع Ultralytics Licensing.