Link to this sectionJeu de données de détection de signatures#

Le jeu de données Signature Detection d'Ultralytics est un jeu de données de détection d'objets composé de 178 images de documents annotées avec une classe unique signature, pré-divisées en 143 images d'entraînement et 35 images de validation. Le jeu de données se télécharge automatiquement (11,3 Mo) lors de ton premier entraînement, ce qui en fait un point de départ compact pour des applications de vision par ordinateur telles que la vérification de documents, la détection de fraudes et le traitement de documents numériques.

Link to this sectionStructure du jeu de données#

Le jeu de données contient 178 images de divers types de documents avec des signatures manuscrites, réparties en deux sous-ensembles :

Chaque image comporte des annotations de boîte englobante pour une seule classe, signature, et la configuration ne définit pas de division de test séparée.

Explore Signature sur la plateforme Ultralytics pour parcourir les images avec leurs superpositions d'annotations, visualiser la distribution des classes et les cartes de chaleur des boîtes englobantes dans l'onglet Graphiques, et clone-le pour entraîner ton propre modèle dans le cloud.

Link to this sectionApplications#

Un modèle entraîné sur ce jeu de données peut identifier et suivre des signatures dans des documents scannés et des vidéos, prenant en charge :

• Vérification de documents : Automatisation des contrôles de signatures dans les documents juridiques et financiers
• Détection de fraude : identification des signatures potentiellement falsifiées ou non autorisées
• Traitement de documents numériques : rationalisation des flux de travail dans les secteurs administratif et juridique
• Banque et finance : renforcement de la sécurité lors du traitement des chèques et de la vérification des documents de prêt
• Recherche archivistique : soutien à l'analyse et au catalogage des documents historiques
• Éducation et recherche : Étude des caractéristiques des signatures à travers différents types de documents dans des cours de vision par ordinateur

Link to this sectionYAML du jeu de données#

Le fichier signature.yaml définit la configuration du jeu de données — les chemins vers les données, les noms de classes et d'autres métadonnées. Il est maintenu dans le dépôt Ultralytics à l'adresse 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

Link to this sectionUtilisation#

Pour entraîner un modèle YOLO26n sur le jeu de données Signature Detection pendant 100 époques avec une taille d'image de 640, utilise les exemples de code fournis. Pour une liste complète des paramètres disponibles, consulte la page d'Entraînement du modèle.

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)

Une fois entraîné, tu peux exécuter une inférence sur des documents ou des vidéos avec le modèle ajusté. L'exemple ci-dessous exécute une prédiction sur une vidéo échantillon avec un seuil de confiance 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)

Link to this sectionExemples d'images et annotations#

Le jeu de données couvre une variété de formats de documents, aidant les modèles entraînés à généraliser à travers des contrats, des formulaires et des lettres. Ci-dessous se trouve un lot d'entraînement du jeu de données :

• Image mosaïquée : Ici, nous présentons un lot d'entraînement composé d'images du jeu de données mosaïquées. La mosaïque, une technique d'entraînement, combine plusieurs images en une seule, enrichissant la diversité des lots. Cette méthode aide à améliorer la capacité du modèle à généraliser à travers différentes tailles de signature, rapports d'aspect et contextes.

Link to this sectionCitations et remerciements#

Le jeu de données est disponible sous la licence AGPL-3.0.

Si tu utilises le jeu de données Signature Detection dans tes travaux de recherche ou de développement, merci de le citer de manière appropriée :

@dataset{Ultralytics_Signature_Detection_Dataset_2024,
    author = {Ultralytics},
    title = {Signature Detection Dataset},
    year = {2024},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/signature/}
}

Link to this sectionFAQ#

Link to this sectionÀ quoi sert le jeu de données Signature Detection ?#

Le jeu de données Signature Detection est une collection de 178 images de documents annotées pour entraîner des modèles à détecter des signatures manuscrites. Il prend en charge la vérification de documents, la détection de fraudes et la recherche archivistique, et constitue une base pratique pour construire des systèmes d'analyse intelligente de documents avec l'apprentissage automatique.

Link to this sectionComment télécharger le jeu de données Signature Detection ?#

Le jeu de données se télécharge automatiquement (11,3 Mo) depuis les ressources GitHub d'Ultralytics lors de ton premier entraînement avec data="signature.yaml" — aucun téléchargement manuel n'est requis. Pour explorer d'autres jeux de données, parcours l'aperçu des jeux de données de détection.

Link to this sectionCombien d'images et de classes contient le jeu de données Signature Detection ?#

Le jeu de données Signature Detection contient 143 images d'entraînement et 35 images de validation — soit 178 au total — chacune annotée avec une seule classe, signature. Il n'y a pas de division de test séparée. Voir la section Structure du jeu de données et la configuration signature.yaml pour plus de détails.

Link to this sectionComment entraîner un modèle YOLO26n sur le jeu de données de détection de signatures ?#

Tu peux entraîner un modèle YOLO26n pendant 100 époques avec une taille d'image de 640 en utilisant Python ou la CLI :

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n.pt")

# Train the model
results = model.train(data="signature.yaml", epochs=100, imgsz=640)

Pour plus de détails, réfère-toi à la page d'Entraînement et aux conseils pour l'entraînement de modèles.

Link to this sectionComment puis-je exécuter une inférence avec un modèle entraîné sur le jeu de données Signature Detection ?#

Charge tes poids ajustés et exécute une prédiction :

from ultralytics import YOLO

# Load the fine-tuned model
model = YOLO("path/to/best.pt")

# Perform inference
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

Link to this sectionPuis-je utiliser le jeu de données Signature Detection dans des projets commerciaux ?#

Le jeu de données est publié sous la Licence AGPL-3.0, qui autorise un usage commercial à condition que les œuvres dérivées — y compris les logiciels proposés via un réseau — soient mises à disposition sous la même licence. Pour des options de licence qui suppriment les exigences open source, consulte Licence Ultralytics.