Conjunto de datos de detección de firmas#

El Signature Detection Dataset de Ultralytics es un conjunto de datos de object detection de 178 imágenes de documentos anotadas con una única clase signature, divididas previamente en 143 imágenes de entrenamiento y 35 de validación. El conjunto de datos se descarga automáticamente (11,3 MB) la primera vez que entrenas, lo que lo convierte en un punto de partida compacto para aplicaciones de computer vision como la verificación de documentos, la detección de fraudes y el procesamiento de documentos digitales.

Estructura del dataset#

El conjunto de datos contiene 178 imágenes de varios tipos de documentos con firmas manuscritas, divididas en dos subconjuntos:

Cada imagen incluye anotaciones de cuadro delimitador para una clase, signature, y la configuración no define ninguna división de prueba separada.

Explora Signature on Ultralytics Platform para ver las imágenes con sus superposiciones de anotaciones, consulta la distribución de clases y los mapas de calor de los cuadros delimitadores en la pestaña Charts, y clónalo para entrenar tu propio modelo en la nube.

Aplicaciones#

Un modelo entrenado con este conjunto de datos puede identificar y track firmas en documentos escaneados y vídeos, lo que permite:

• Verificación de documentos: Automatización de comprobaciones de firmas en documentos legales y financieros
• Detección de fraudes: Identificación de firmas potencialmente falsificadas o no autorizadas.
• Procesamiento de documentos digitales: Agilización de flujos de trabajo en sectores administrativos y legales.
• Banca y finanzas: Mejora de la seguridad en el procesamiento de cheques y la verificación de documentos de préstamos.
• Investigación de archivos: Apoyo al análisis y catalogación de documentos históricos.
• Educación e investigación: Estudio de las características de las firmas en diferentes tipos de documentos en cursos de visión artificial

YAML del dataset#

El archivo signature.yaml define la configuración del conjunto de datos: las rutas del conjunto de datos, los nombres de las clases y otros metadatos. Se mantiene en el repositorio de Ultralytics en 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

Uso#

Para entrenar un modelo YOLO26n en el Signature Detection Dataset durante 100 epochs con un tamaño de imagen de 640, utiliza los ejemplos de código proporcionados. Para obtener una lista completa de los parámetros disponibles, consulta la página de Training del modelo.

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)

Una vez entrenado, puedes ejecutar la inference en documentos o vídeos con el modelo ajustado. El siguiente ejemplo ejecuta la predicción en un vídeo de muestra con un umbral de confianza de 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)

Muestras de imágenes y anotaciones#

El conjunto de datos cubre una variedad de formatos de documentos, ayudando a los modelos entrenados a generalizar a través de contratos, formularios y cartas. A continuación, se muestra un lote de entrenamiento del conjunto de datos:

• Imagen en mosaico: Aquí presentamos un lote de entrenamiento que consiste en imágenes del conjunto de datos en mosaico. El mosaico, una técnica de entrenamiento, combina varias imágenes en una, enriqueciendo la diversidad de los lotes. Este método ayuda a mejorar la capacidad del modelo para generalizar entre diferentes tamaños de firma, relaciones de aspecto y contextos.

Citas y agradecimientos#

El conjunto de datos se ha puesto a disposición bajo la AGPL-3.0 License.

Si utilizas el conjunto de datos de detección de firmas en tu trabajo de investigación o desarrollo, por favor cítalo adecuadamente:

@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#