सिग्नेचर डिटेक्शन डेटासेट

यह डेटासेट दस्तावेजों के भीतर मानव लिखित हस्ताक्षर का पता लगाने पर केंद्रित है। इसमें एनोटेट किए गए हस्ताक्षर के साथ विभिन्न प्रकार के दस्तावेज़ शामिल हैं, जो दस्तावेज़ सत्यापन और धोखाधड़ी का पता लगाने में अनुप्रयोगों के लिए मूल्यवान अंतर्दृष्टि प्रदान करते हैं। कंप्यूटर दृष्टि एल्गोरिदम के प्रशिक्षण के लिए आवश्यक, यह डेटासेट विभिन्न दस्तावेज़ स्वरूपों में हस्ताक्षर की पहचान करने, दस्तावेज़ विश्लेषण में अनुसंधान और व्यावहारिक अनुप्रयोगों का समर्थन करने में सहायता करता है।

डेटासेट संरचना

हस्ताक्षर पहचान डेटासेट को तीन सबसेट में विभाजित किया गया है:

• प्रशिक्षण सेट: इसमें 143 चित्र शामिल हैं, जिनमें से प्रत्येक संबंधित एनोटेशन के साथ है।
• पुष्टि सेट : इसमें 35 इमेज शामिल हैं, जिनमें से हर एक में पेयर किए गए ऐनोटेशन हैं.

अनुप्रयोगों

इस डेटासेट को विभिन्न कंप्यूटर दृष्टि कार्यों जैसे ऑब्जेक्ट डिटेक्शन, ऑब्जेक्ट ट्रैकिंग और दस्तावेज़ विश्लेषण में लागू किया जा सकता है। विशेष रूप से, इसका उपयोग दस्तावेजों में हस्ताक्षर की पहचान करने के लिए मॉडल को प्रशिक्षित और मूल्यांकन करने के लिए किया जा सकता है, जिसमें दस्तावेज़ सत्यापन, धोखाधड़ी का पता लगाने और अभिलेखीय अनुसंधान में अनुप्रयोग हो सकते हैं। इसके अतिरिक्त, यह शैक्षिक उद्देश्यों के लिए एक मूल्यवान संसाधन के रूप में काम कर सकता है, जिससे छात्रों और शोधकर्ताओं को विभिन्न दस्तावेज़ प्रकारों में हस्ताक्षर की विशेषताओं और व्यवहारों का अध्ययन करने और समझने में सक्षम बनाया जा सकता है।

डेटासेट YAML

एक YAML (अभी तक एक और मार्कअप भाषा) फ़ाइल डेटासेट कॉन्फ़िगरेशन को परिभाषित करती है, जिसमें पथ और वर्ग की जानकारी शामिल है। हस्ताक्षर पहचान डेटासेट के लिए, signature.yaml फ़ाइल पर स्थित है https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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 (11.2 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: ../datasets/signature # dataset root dir
train: train/images # train images (relative to 'path') 143 images
val: valid/images # 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

उपयोग

एक को प्रशिक्षित करने के लिए YOLOv8n 640 के छवि आकार के साथ 100 युगों के लिए हस्ताक्षर पहचान डेटासेट पर मॉडल, प्रदान किए गए कोड नमूनों का उपयोग करें। उपलब्ध मापदंडों की एक व्यापक सूची के लिए, मॉडल के प्रशिक्षण पृष्ठ को देखें।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=signature.yaml model=yolov8n.pt epochs=100 imgsz=640

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)

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/signature-s.mp4" conf=0.75

नमूना छवियाँ और एनोटेशन

हस्ताक्षर पहचान डेटासेट में विभिन्न दस्तावेज़ प्रकारों और एनोटेट किए गए हस्ताक्षरों को प्रदर्शित करने वाली छवियों की एक विस्तृत विविधता शामिल है। नीचे डेटासेट से छवियों के उदाहरण दिए गए हैं, प्रत्येक इसके संबंधित एनोटेशन के साथ।

• मोज़ेस्ड छवि: यहां, हम एक प्रशिक्षण बैच प्रस्तुत करते हैं जिसमें मोज़ेक किए गए डेटासेट चित्र शामिल हैं। Mosaicing, एक प्रशिक्षण तकनीक, बैच विविधता को समृद्ध करते हुए, कई छवियों को एक में जोड़ती है। यह विधि विभिन्न हस्ताक्षर आकारों, पहलू अनुपातों और संदर्भों में सामान्यीकरण करने के लिए मॉडल की क्षमता को बढ़ाने में मदद करती है।

यह उदाहरण हस्ताक्षर डिटेक्शन डेटासेट में छवियों की विविधता और जटिलता को दिखाता है, प्रशिक्षण प्रक्रिया के दौरान मोज़ेसिंग को शामिल करने के लाभों पर जोर देता है।

प्रशंसा पत्र और पावती

डेटासेट के तहत उपलब्ध जारी किया गया है AGPL-3.0 लाइसेंस।

अक्सर पूछे जाने वाले प्रश्न

सिग्नेचर डिटेक्शन डेटासेट क्या है और इसका उपयोग कैसे किया जा सकता है?

सिग्नेचर डिटेक्शन डेटासेट एनोटेट की गई छवियों का एक संग्रह है जिसका उद्देश्य विभिन्न दस्तावेज़ प्रकारों के भीतर मानव हस्ताक्षर का पता लगाना है। इसे कंप्यूटर विज़न कार्यों जैसे ऑब्जेक्ट डिटेक्शन और ट्रैकिंग में मुख्य रूप से दस्तावेज़ सत्यापन, धोखाधड़ी का पता लगाने और अभिलेखीय अनुसंधान के लिए लागू किया जा सकता है। यह डेटासेट मॉडल को विभिन्न संदर्भों में हस्ताक्षरों को पहचानने में मदद करता है, जिससे यह अनुसंधान और व्यावहारिक अनुप्रयोगों दोनों के लिए मूल्यवान हो जाता है।

मैं एक को कैसे प्रशिक्षित करूं YOLOv8n सिग्नेचर डिटेक्शन डेटासेट पर मॉडल?

एक को प्रशिक्षित करने के लिए YOLOv8n हस्ताक्षर डिटेक्शन डेटासेट पर मॉडल, निम्न चरणों का पालन करें:

1. डाउनलोड करें signature.yaml से Dataset कॉन्फ़िगरेशन फ़ाइल हस्ताक्षर.yaml.
2. निम्नलिखित का प्रयोग करें Python script या CLI प्रशिक्षण शुरू करने के लिए आदेश:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n.pt")

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

yolo detect train data=signature.yaml model=yolov8n.pt epochs=100 imgsz=640

अधिक जानकारी के लिए, प्रशिक्षण पृष्ठ देखें।

सिग्नेचर डिटेक्शन डेटासेट के मुख्य अनुप्रयोग क्या हैं?

सिग्नेचर डिटेक्शन डेटासेट का उपयोग इसके लिए किया जा सकता है:

1. दस्तावेज़ सत्यापन: दस्तावेज़ों में मानव हस्ताक्षर की उपस्थिति और प्रामाणिकता को स्वचालित रूप से सत्यापित करना।
2. धोखाधड़ी का पता लगाना: कानूनी और वित्तीय दस्तावेजों में जाली या धोखाधड़ी वाले हस्ताक्षरों की पहचान करना।
3. अभिलेखीय अनुसंधान: ऐतिहासिक दस्तावेजों के डिजिटल विश्लेषण और कैटलॉगिंग में इतिहासकारों और पुरालेखपालों की सहायता करना।
4. शिक्षा: कंप्यूटर दृष्टि और मशीन सीखने के क्षेत्र में अकादमिक अनुसंधान और शिक्षण का समर्थन करना।

मैं सिग्नेचर डिटेक्शन डेटासेट पर प्रशिक्षित मॉडल का उपयोग करके अनुमान कैसे लगा सकता हूं?

हस्ताक्षर डिटेक्शन डेटासेट पर प्रशिक्षित मॉडल का उपयोग करके अनुमान लगाने के लिए, निम्न चरणों का पालन करें:

1. अपने फाइन-ट्यून किए गए मॉडल को लोड करें।
2. नीचे का प्रयोग करें Python script या CLI अनुमान लगाने के लिए आदेश:

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)

yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/signature-s.mp4" conf=0.75

सिग्नेचर डिटेक्शन डेटासेट की संरचना क्या है, और मुझे और जानकारी कहां मिल सकती है?

सिग्नेचर डिटेक्शन डेटासेट को दो सबसेट में विभाजित किया गया है:

• प्रशिक्षण सेट: एनोटेशन के साथ 143 छवियां शामिल हैं।
• पुष्टि करने का सेट: इसमें एनोटेशन वाली 35 इमेज शामिल हैं.

विस्तृत जानकारी के लिए, आप इसका उल्लेख कर सकते हैं डेटासेट संरचना कर्तन। इसके अतिरिक्त, में पूरा डेटासेट कॉन्फ़िगरेशन देखें signature.yaml फ़ाइल पर स्थित है हस्ताक्षर.yaml.

टिप्पणियाँ