Dataset di rilevamento delle firme

Questo dataset si concentra sul rilevamento di firme scritte a mano all'interno di documenti. Include una varietà di tipi di documenti con firme annotate, fornendo informazioni preziose per applicazioni nella verifica dei documenti e nel rilevamento delle frodi. Essenziale per addestrare algoritmi di computer vision, questo dataset aiuta a identificare le firme in vari formati di documenti, supportando la ricerca e le applicazioni pratiche nell'analisi dei documenti.

Struttura del dataset

Il dataset di rilevamento delle firme è suddiviso in due subset:

• Training set: contiene 143 immagini, ciascuna con le relative annotazioni.
• Validation set: include 35 immagini, ciascuna con annotazioni abbinate.

Applicazioni

Questo dataset può essere applicato in vari compiti di computer vision come object detection, object tracking e analisi dei documenti. Nello specifico, può essere utilizzato per addestrare e valutare modelli per identificare firme nei documenti, il che ha applicazioni significative in:

• Verifica dei documenti: automatizzare il processo di verifica per documenti legali e finanziari
• Rilevamento delle frodi: identificare firme potenzialmente falsificate o non autorizzate
• Elaborazione dei documenti digitali: ottimizzare i flussi di lavoro nei settori amministrativo e legale
• Banca e finanza: migliorare la sicurezza nell'elaborazione di assegni e nella verifica di documenti di prestito
• Ricerca d'archivio: supportare l'analisi e la catalogazione di documenti storici

Inoltre, funge da risorsa preziosa per scopi educativi, consentendo a studenti e ricercatori di studiare le caratteristiche delle firme attraverso diversi tipi di documenti.

YAML del dataset

Un file YAML (Yet Another Markup Language) definisce la configurazione del dataset, incluse informazioni sui percorsi e sulle classi. Per il dataset di rilevamento delle firme, il file signature.yaml si trova su 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

Utilizzo

Per addestrare un modello YOLO26n sul dataset di rilevamento delle firme per 100 epochs con una dimensione immagine di 640, usa gli esempi di codice forniti. Per un elenco completo dei parametri disponibili, fai riferimento alla pagina Training del modello.

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)

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)

Immagini campione e annotazioni

Il dataset di rilevamento delle firme comprende un'ampia varietà di immagini che mostrano diversi tipi di documenti e firme annotate. Di seguito sono riportati esempi di immagini dal dataset, ciascuna accompagnata dalle relative annotazioni.

• Immagine a mosaico: qui presentiamo un batch di training composto da immagini del dataset a mosaico. Il mosaicing, una tecnica di training, combina più immagini in una sola, arricchendo la diversità del batch. Questo metodo aiuta a migliorare la capacità del modello di generalizzare tra diverse dimensioni, rapporti di aspetto e contesti delle firme.

Questo esempio illustra la varietà e la complessità delle immagini nel dataset di rilevamento delle firme, sottolineando i vantaggi dell'inclusione del mosaicing durante il processo di training.

Citazioni e ringraziamenti

Il dataset è stato rilasciato sotto Licenza AGPL-3.0.

FAQ

Cos'è il dataset di rilevamento delle firme e come può essere utilizzato?

Il dataset di rilevamento delle firme è una raccolta di immagini annotate volta a rilevare firme umane all'interno di vari tipi di documenti. Può essere applicato in compiti di computer vision come object detection e tracking, principalmente per la verifica dei documenti, il rilevamento delle frodi e la ricerca d'archivio. Questo dataset aiuta ad addestrare i modelli a riconoscere le firme in diversi contesti, rendendolo prezioso sia per la ricerca che per le applicazioni pratiche nell'analisi intelligente dei documenti.

Come addestro un modello YOLO26n sul dataset di rilevamento delle firme?

Per addestrare un modello YOLO26n sul dataset di rilevamento delle firme, segui questi passaggi:

1. Scarica il file di configurazione del dataset signature.yaml da signature.yaml.
2. Usa il seguente script Python o comando CLI per avviare l'addestramento:

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)

Per maggiori dettagli, fai riferimento alla pagina Training.

Quali sono le principali applicazioni del dataset di rilevamento delle firme?

Il dataset di rilevamento delle firme può essere utilizzato per:

1. Verifica dei documenti: verificare automaticamente la presenza e l'autenticità delle firme umane nei documenti.
2. Rilevamento delle frodi: identificare firme falsificate o fraudolente in documenti legali e finanziari.
3. Ricerca d'archivio: assistere storici e archivisti nell'analisi digitale e nella catalogazione di documenti storici.
4. Istruzione: supportare la ricerca accademica e l'insegnamento nei campi della computer vision e del machine learning.
5. Servizi finanziari: migliorare la sicurezza nelle transazioni bancarie e nell'elaborazione dei prestiti verificando l'autenticità della firma.

Come posso eseguire l'inferenza utilizzando un modello addestrato sul dataset di rilevamento delle firme?

Per eseguire l'inferenza utilizzando un modello addestrato sul dataset di rilevamento delle firme, segui questi passaggi:

1. Carica il tuo modello ottimizzato.
2. Usa lo script Python o il comando CLI sottostante per eseguire l'inferenza:

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)

Qual è la struttura del dataset di rilevamento delle firme e dove posso trovare maggiori informazioni?

Il dataset di rilevamento delle firme è diviso in due subset:

• Training Set: contiene 143 immagini con annotazioni.
• Validation Set: include 35 immagini con annotazioni.

Per informazioni dettagliate, puoi fare riferimento alla sezione Dataset Structure. Inoltre, visualizza la configurazione completa del dataset nel file signature.yaml situato su signature.yaml.