Signatur-Erkennungsdatensatz
Dieser Datensatz konzentriert sich auf die Erkennung von menschlichen Unterschriften in Dokumenten. Er umfasst eine Vielzahl von Dokumenttypen mit kommentierten Unterschriften und liefert wertvolle Erkenntnisse fĂŒr Anwendungen in der DokumentenprĂŒfung und Betrugserkennung. Dieser Datensatz ist fĂŒr das Training von Computer-Vision-Algorithmen unerlĂ€sslich und hilft bei der Erkennung von Unterschriften in verschiedenen Dokumentenformaten, um Forschung und praktische Anwendungen in der Dokumentenanalyse zu unterstĂŒtzen.
Struktur des Datensatzes
Der Datensatz zur Erkennung von Unterschriften wird in drei Teilmengen aufgeteilt:
- Trainingsset: EnthÀlt 143 Bilder, jedes mit entsprechenden Anmerkungen.
- Validierungsset: EnthÀlt 35 Bilder, jeweils mit gepaarten Kommentaren.
Anwendungen
Dieser Datensatz kann fĂŒr verschiedene Computer-Vision-Aufgaben wie Objekterkennung, Objektverfolgung und Dokumentenanalyse verwendet werden. Insbesondere können damit Modelle zur Erkennung von Unterschriften in Dokumenten trainiert und ausgewertet werden, die in der DokumentenprĂŒfung, der Betrugserkennung und der Archivforschung Anwendung finden können. DarĂŒber hinaus kann es als wertvolle Ressource fĂŒr Bildungszwecke dienen, die es Studierenden und Forschern ermöglicht, die Merkmale und das Verhalten von Unterschriften in verschiedenen Dokumenttypen zu untersuchen und zu verstehen.
Datensatz YAML
Eine YAML-Datei (Yet Another Markup Language) definiert die Konfiguration des Datensatzes, einschlieĂlich der Pfade und Klasseninformationen. FĂŒr den Signaturerkennungsdatensatz wird die signature.yaml
Datei befindet sich unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml.
ultralytics/cfg/datasets/signature.yaml
# Ultralytics YOLO đ, AGPL-3.0 license
# Signature dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/signature/
# Example usage: yolo train data=signature.yaml
# parent
# âââ ultralytics
# âââ datasets
# âââ signature â downloads here (11.2 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: ../datasets/signature # dataset root dir
train: train/images # train images (relative to 'path') 143 images
val: valid/images # val images (relative to 'path') 35 images
# Classes
names:
0: signature
# Download script/URL (optional)
download: https://ultralytics.com/assets/signature.zip
Verwendung
Um ein YOLOv8n Modell auf dem Signaturerkennungsdatensatz fĂŒr 100 Epochen mit einer BildgröĂe von 640 zu trainieren, verwende die mitgelieferten Codebeispiele. Eine umfassende Liste der verfĂŒgbaren Parameter findest du auf der Seite Training des Modells.
Beispiel fĂŒr einen Zug
Beispiel fĂŒr eine Schlussfolgerung
Beispielbilder und Anmerkungen
Der Datensatz zur Erkennung von Unterschriften umfasst eine Vielzahl von Bildern, die verschiedene Dokumententypen und kommentierte Unterschriften zeigen. Nachfolgend findest du Beispiele fĂŒr Bilder aus dem Datensatz, die jeweils mit den entsprechenden Kommentaren versehen sind.
- Mosaikbild: Hier stellen wir einen Trainingsstapel vor, der aus Mosaikbildern des Datensatzes besteht. Bei der Mosaikbildung werden mehrere Bilder zu einem einzigen zusammengefĂŒgt, um die Vielfalt des Stapels zu erhöhen. Diese Methode trĂ€gt dazu bei, die Generalisierbarkeit des Modells ĂŒber verschiedene SignaturgröĂen, SeitenverhĂ€ltnisse und Kontexte hinweg zu verbessern.
Dieses Beispiel veranschaulicht die Vielfalt und KomplexitÀt der Bilder im Signaturerkennungsdatensatz und verdeutlicht die Vorteile der Mosaikbildung wÀhrend des Trainingsprozesses.
Zitate und Danksagungen
Der Datensatz wurde unter der AGPL-3.0 Lizenz veröffentlicht.