مجموعة بيانات اكتشاف التوقيعات#

178

signature

ultralytics

publicDetect

Signature contains scanned and photographed documents with single-class boxes around handwritten signatures. It supports signature localization before verification, fraud analysis, redaction, document indexing, and automated form processing across varied page layouts.

21 class22 MBSep 2, 2026

signature

مجموعة بيانات اكتشاف التوقيعات من Ultralytics هي مجموعة لاكتشاف الكائنات، تضم 178 صورة مستندات مشروحة بفئة واحدة هي signature، ومقسمة مسبقًا إلى 143 صورة للتدريب و35 صورة للتحقق. تُنزّل مجموعة البيانات تلقائيًا (11.3 MB) عند أول تدريب، ما يجعلها نقطة انطلاق صغيرة الحجم لتطبيقات الرؤية الحاسوبية مثل التحقق من المستندات واكتشاف الاحتيال ومعالجة المستندات الرقمية.

بنية مجموعة البيانات#

تحتوي مجموعة البيانات على 178 صورة لأنواع مختلفة من المستندات تتضمن توقيعات مكتوبة بخط اليد، وهي مقسمة إلى مجموعتين فرعيتين:

تتضمن كل صورة تعليقات توضيحية للصناديق المحيطة لفئة واحدة، signature، ولا يحدد الإعداد مجموعة اختبار منفصلة.

استكشف Signature على منصة Ultralytics لتصفح الصور مع طبقات التعليقات التوضيحية، والاطلاع على توزيع الفئات وخرائط الكثافة للصناديق المحيطة في علامة التبويب Charts، واستنساخ المجموعة لتدريب نموذجك في السحابة.

التطبيقات#

يمكن لنموذج مدرّب على مجموعة البيانات هذه تحديد التوقيعات وتتبعها في المستندات الممسوحة ضوئيًا ومقاطع الفيديو، ما يدعم:

• التحقق من المستندات: أتمتة فحص التوقيعات في المستندات القانونية والمالية
• اكتشاف الاحتيال: تحديد التوقيعات التي يُحتمل أن تكون مزورة أو غير مصرح بها
• معالجة المستندات الرقمية: تبسيط سير العمل في القطاعات الإدارية والقانونية
• المصارف والتمويل: تعزيز الأمان في معالجة الشيكات والتحقق من مستندات القروض
• الأبحاث الأرشيفية: دعم تحليل المستندات التاريخية وفهرستها
• التعليم والأبحاث: دراسة خصائص التوقيعات عبر أنواع المستندات ضمن مقررات الرؤية الحاسوبية

ملف YAML لمجموعة البيانات#

يحدد الملف signature.yaml إعداد مجموعة البيانات — مسارات مجموعة البيانات وأسماء الفئات والبيانات الوصفية الأخرى. وتتم 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.zip

الاستخدام#

لتدريب نموذج YOLO26n على مجموعة بيانات اكتشاف التوقيعات لمدة 100 حقبة وبحجم صورة 640، استخدم أمثلة التعليمات البرمجية المتاحة. للاطلاع على قائمة شاملة بالمعلمات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

# ⁨تدريب النموذج⁩
results = model.train(data="signature.yaml", epochs=100, imgsz=640)

بعد التدريب، يمكنك إجراء الاستدلال على المستندات أو مقاطع الفيديو باستخدام النموذج المضبوط بدقة. يشغّل المثال أدناه التنبؤ على مقطع فيديو نموذجي باستخدام عتبة ثقة قدرها 0.75:

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("path/to/best.pt")  # ⁨حمّل نموذجًا مضبوطًا بدقة لاكتشاف التوقيعات⁩

# ⁨الاستدلال باستخدام النموذج⁩
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

صور وتعليقات توضيحية نموذجية#

تغطي مجموعة البيانات مجموعة متنوعة من تنسيقات المستندات، ما يساعد النماذج المدرّبة على التعميم عبر العقود والنماذج والرسائل. فيما يلي دفعة تدريب من مجموعة البيانات:

• صورة مركّبة بالفسيفساء: نعرض هنا دفعة تدريب تتكوّن من صور مجموعة البيانات المركّبة بالفسيفساء. تجمع تقنية الفسيفساء، وهي إحدى تقنيات التدريب، صورًا متعددة في صورة واحدة، ما يزيد تنوع الدفعة. تساعد هذه الطريقة على تعزيز قدرة النموذج على التعميم على أحجام التوقيعات ونسب أبعادها وسياقاتها المختلفة.

الاستشهادات والشكر والتقدير#

أُتيحت مجموعة البيانات بموجب ترخيص AGPL-3.0.

إذا استخدمت مجموعة بيانات اكتشاف التوقيعات في أبحاثك أو أعمال التطوير، فيُرجى الاستشهاد بها على النحو المناسب:

@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#