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 con 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 es 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 conjunto de datos#

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 partición de prueba independiente.

Explora Signature en Ultralytics Platform para ver las imágenes con sus superposiciones de anotaciones, consultar 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 posiblemente falsificadas o no autorizadas
• Procesamiento digital de documentos: agilizar los flujos de trabajo en los sectores administrativo y jurídico
• Banca y finanzas: reforzar 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 conjunto de datos#

El archivo signature.yaml define la configuración del conjunto de datos: las rutas, 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 todos los parámetros disponibles, visita la página de entrenamiento del modelo.

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n.pt")  # Carga un modelo preentrenado (recomendado para el entrenamiento)

# Entrenar el modelo
results = model.train(data="signature.yaml", epochs=100, imgsz=640)

Una vez entrenado el modelo, puedes ejecutar la inferencia en documentos o vídeos. El ejemplo siguiente ejecuta una predicción sobre un vídeo de muestra con un umbral de confianza de 0,75:

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("path/to/best.pt")  # carga un modelo ajustado para la detección de firmas

# Inferencia con el modelo
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

Imágenes de muestra y anotaciones#

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

• Imagen con mosaico: Aquí se muestra un lote de entrenamiento compuesto por imágenes del conjunto de datos dispuestas en mosaico. El mosaico, una técnica de entrenamiento, combina varias imágenes en una para enriquecer la diversidad del lote. Este método ayuda a mejorar la capacidad del modelo para generalizar con firmas de distintos tamaños, 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 tu investigación o trabajo de desarrollo, cita la fuente 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#