Datensatz zur Signaturerkennung#

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

Der Ultralytics-Datensatz zur Signaturerkennung ist ein Datensatz zur Objekterkennung mit 178 annotierten Dokumentbildern, die einer einzigen Klasse signature zugeordnet sind. Er ist bereits in 143 Trainings- und 35 Validierungsbilder aufgeteilt. Der Datensatz wird beim ersten Training automatisch heruntergeladen (11,3 MB) und bietet damit eine kompakte Grundlage für Computer-Vision-Anwendungen wie Dokumentenprüfung, Betrugserkennung und die digitale Dokumentenverarbeitung.

Datensatzstruktur#

Der Datensatz enthält 178 Bilder verschiedener Dokumenttypen mit handschriftlichen Signaturen, aufgeteilt in zwei Teilmengen:

Jedes Bild enthält Begrenzungsrahmen-Annotationen für eine Klasse, signature, und die Konfiguration definiert keine separate Testaufteilung.

Erkunde Signature auf der Ultralytics Platform, um die Bilder mit ihren Annotationseinblendungen zu durchsuchen, die Klassenverteilung und Heatmaps der Begrenzungsrahmen im Tab Charts anzuzeigen und den Datensatz zu klonen, um dein eigenes Modell in der Cloud zu trainieren.

Anwendungen#

Ein auf diesem Datensatz trainiertes Modell kann Signaturen in gescannten Dokumenten und Videos erkennen und verfolgen. Das unterstützt:

• Dokumentenprüfung: Automatisierung der Signaturprüfung in rechtlichen und finanziellen Dokumenten
• Betrugserkennung: Erkennung potenziell gefälschter oder unbefugter Signaturen
• Digitale Dokumentenverarbeitung: Optimierung von Arbeitsabläufen in Verwaltungs- und Rechtsbereichen
• Bankwesen und Finanzen: Verbesserung der Sicherheit bei der Scheckverarbeitung und der Prüfung von Kreditunterlagen
• Archivforschung: Unterstützung bei der Analyse und Katalogisierung historischer Dokumente
• Bildung und Forschung: Untersuchung von Signaturmerkmalen in verschiedenen Dokumenttypen im Computer-Vision-Unterricht

Dataset-YAML#

Die Datei signature.yaml definiert die Datensatzkonfiguration — die Pfade des Datensatzes, Klassennamen und weitere Metadaten. Sie wird im Ultralytics-Repository unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml gepflegt.

# 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

Verwendung#

Um ein YOLO26n-Modell auf dem Datensatz zur Signaturerkennung 100 Epochen lang mit einer Bildgröße von 640 zu trainieren, verwende die bereitgestellten Codebeispiele. Eine umfassende Liste der verfügbaren Parameter findest du auf der Seite Training des Modells.

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)

Nach dem Training kannst du mit dem feinabgestimmten Modell Inferenz auf Dokumenten oder Videos ausführen. Das folgende Beispiel führt eine Vorhersage auf einem Beispielvideo mit einem Konfidenzschwellenwert von 0,75 aus:

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)

Beispielbilder und Annotationen#

Der Datensatz umfasst eine Vielzahl von Dokumentformaten und hilft trainierten Modellen, auf Verträge, Formulare und Briefe zu generalisieren. Unten ist ein Trainings-Batch aus dem Datensatz zu sehen:

• Mosaikbild: Hier zeigen wir einen Trainings-Batch aus mosaikierten Datensatzbildern. Beim Mosaikverfahren, einer Trainingstechnik, werden mehrere Bilder zu einem kombiniert, wodurch die Vielfalt des Batches erhöht wird. Diese Methode verbessert die Fähigkeit des Modells, auf unterschiedliche Signaturgrößen, Seitenverhältnisse und Kontexte zu generalisieren.

Zitate und Danksagungen#

Der Datensatz wurde unter der AGPL-3.0-Lizenz veröffentlicht.

Wenn du den Datensatz zur Signaturerkennung in deiner Forschungs- oder Entwicklungsarbeit verwendest, zitiere ihn bitte ordnungsgemäß:

@dataset{Ultralytics_Signature_Detection_Dataset_2024,
    author = {Ultralytics},
    title = {Signature Detection Dataset},
    year = {2024},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/signature}
}

FAQ#