Datensatz zur Signaturerkennung#

178

signature

ultralytics

publicDetect

Document analysis dataset for handwritten signature detection. Supports training models for document verification, fraud detection, and automated form processing.

21 class22 MBApr 28, 2026

signature

Das Ultralytics Signature Detection Dataset ist ein object detection-Datensatz mit 178 Dokumentenbildern, die mit einer einzigen signature-Klasse annotiert sind und im Voraus in 143 Trainings- und 35 Validierungsbilder unterteilt wurden. Der Datensatz wird beim ersten Training automatisch heruntergeladen (11,3 MB), was ihn zu einem kompakten Ausgangspunkt für computer vision-Anwendungen wie Dokumentenverifizierung, Betrugserkennung und digitale Dokumentenverarbeitung macht.

Datensatzstruktur#

Der Datensatz enthält 178 Bilder verschiedener Dokumententypen mit handschriftlichen Unterschriften, unterteilt in zwei Teilmengen:

Jedes Bild enthält Bounding-Box-Annotationen für eine Klasse, signature, und die Konfiguration definiert keinen separaten Test-Split.

Entdecke Signature on Ultralytics Platform, um die Bilder mit ihren Annotations-Overlays zu durchsuchen, die Klassenverteilung und Bounding-Box-Heatmaps im Charts-Tab anzusehen und sie 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 identifizieren und track, was Folgendes unterstützt:

• Dokumentenprüfung: Automatisierung von Unterschriftenprüfungen in rechtlichen und finanziellen Dokumenten
• Betrugserkennung: Identifizierung potenziell gefälschter oder unbefugter Signaturen
• Digitale Dokumentenverarbeitung: Optimierung der Arbeitsabläufe in Verwaltungs- und Rechtssektoren
• Bank- und Finanzwesen: Erhöhung der Sicherheit bei der Scheckverarbeitung und der Prüfung von Kreditunterlagen
• Archivforschung: Unterstützung der Analyse und Katalogisierung historischer Dokumente
• Bildung und Forschung: Untersuchung von Unterschriftenmerkmalen über verschiedene Dokumententypen hinweg in Computer-Vision-Kursen

Datensatz-YAML#

Die Datei signature.yaml definiert die Datensatzkonfiguration — die Datensatzpfade, Klassennamen und andere 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 Signature Detection Dataset für 100 epochs mit einer Bildgröße von 640 zu trainieren, verwende die bereitgestellten Codebeispiele. Eine umfassende Liste der verfügbaren Parameter findest du auf der Training-Seite 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 eine inference 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 deckt eine Vielzahl von Dokumentformaten ab und hilft trainierten Modellen, über Verträge, Formulare und Briefe hinweg zu generalisieren. Unten siehst du einen Trainings-Batch aus dem Datensatz:

• Mosaikbild: Hier präsentieren wir einen Trainingsstapel, der aus mosaikierten Datensatzbildern besteht. Mosaicing ist eine Trainingstechnik, bei der mehrere Bilder zu einem kombiniert werden, um die Vielfalt der Stapel zu bereichern. Diese Methode hilft, die Fähigkeit des Modells zu verbessern, über verschiedene Signaturgrößen, Seitenverhältnisse und Kontexte hinweg zu generalisieren.

Zitate und Danksagungen#

Der Datensatz wurde unter der AGPL-3.0 License zur Verfügung gestellt.

Wenn du das Signature Detection Dataset in deiner Forschung oder Entwicklungsarbeit verwendest, zitiere es bitte angemessen:

@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#