Conjunto de datos de detección de firmas#

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

El conjunto de datos de detección de firmas de Ultralytics es un conjunto de datos de detección de objetos compuesto por 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, por lo que constituye un punto de partida compacto para aplicaciones de visión artificial como la verificación de documentos, la detección de fraudes y el procesamiento digital de documentos.

Estructura del dataset#

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

Cada imagen contiene anotaciones de cuadros delimitadores para una clase, signature, y la configuración no define una división de prueba independiente.

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

Aplicaciones#

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

• Verificación de documentos: Automatizar la comprobación de firmas en documentos legales y financieros
• Detección de fraudes: Identificar firmas potencialmente falsificadas o no autorizadas
• Procesamiento digital de documentos: Optimizar los flujos de trabajo en los sectores administrativo y jurídico
• Banca y finanzas: Mejorar la seguridad en el procesamiento de cheques y la verificación de documentos de préstamos
• Investigación archivística: Facilitar el análisis y la catalogación de documentos históricos
• Educación e investigación: Estudiar las características de las firmas en distintos 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 con el conjunto de datos de detección de firmas durante 100 épocas y con un tamaño de imagen de 640, utiliza los ejemplos de código proporcionados. Para consultar una lista completa de los parámetros disponibles, visita la página de entrenamiento 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 inferencia en documentos o vídeos con el modelo ajustado. El ejemplo siguiente 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)

Imágenes de ejemplo y anotaciones#

El conjunto de datos abarca diversos formatos de documentos, lo que ayuda a que los modelos entrenados generalicen entre contratos, formularios y cartas. A continuación se muestra un lote de entrenamiento del conjunto de datos:

• Imagen con mosaico: Aquí presentamos un lote de entrenamiento compuesto por imágenes del conjunto de datos con mosaico. El mosaico, una técnica de entrenamiento, combina varias imágenes en una sola para aumentar la diversidad del lote. Este método ayuda a mejorar la capacidad del modelo para generalizar entre distintos tamaños de firma, relaciones de aspecto y contextos.

Citas y agradecimientos#

El conjunto de datos está disponible bajo la Licencia AGPL-3.0.

Si utilizas el conjunto de datos de detección de firmas en tus trabajos de investigación o desarrollo, cita el conjunto de datos 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}
}

Preguntas frecuentes#