Jeu de données de détection de signatures#

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

Le jeu de données Ultralytics Signature Detection Dataset est un jeu de données de détection d'objets comprenant 178 images de documents annotées avec une seule classe 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 les applications de vision par ordinateur telles que la vérification de documents, la détection des fraudes et le traitement de documents numériques.

Structure 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 boîtes englobantes pour une seule classe, signature, et la configuration ne définit aucun ensemble de test séparé.

Explore Signature sur Ultralytics Platform pour parcourir les images avec leurs superpositions d'annotations, consulter la distribution des classes et les cartes thermiques des boîtes englobantes dans l'onglet Charts, et le cloner pour entraîner ton propre modèle dans le cloud.

Applications#

Un modèle entraîné sur ce jeu de données peut identifier et suivre les signatures dans les documents numérisés et les 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

YAML du jeu de données#

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

Utilisation#

Pour entraîner un modèle YOLO26n sur le jeu de données Signature Detection Dataset 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 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 l'inférence sur des documents ou des vidéos avec le modèle affiné. L'exemple ci-dessous exécute la prédiction sur un exemple de vidéo 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)

Exemples 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.

Citations et remerciements#

Le dataset a été mis à disposition sous la AGPL-3.0 License.

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}
}

FAQ#