Link to this sectionDataset di Rilevamento delle Firme#

L'Ultralytics Signature Detection Dataset è un dataset di object detection composto da 178 immagini di documenti annotate con una singola classe signature, pre-suddiviso in 143 immagini di addestramento e 35 di convalida. Il dataset si scarica automaticamente (11,3 MB) la prima volta che esegui l'addestramento, rendendolo un punto di partenza compatto per applicazioni di computer vision come la verifica dei documenti, il rilevamento delle frodi e l'elaborazione digitale dei documenti.

Link to this sectionStruttura del dataset#

Il dataset contiene 178 immagini di vari tipi di documenti con firme autografe, suddivise in due sottoinsiemi:

Ogni immagine contiene annotazioni bbox per una classe, signature, e la configurazione non definisce un set di test separato.

Esplora Signature su Ultralytics Platform per visualizzare le immagini con le relative sovrapposizioni di annotazione, vedere la distribuzione delle classi e le mappe di calore delle bbox nella scheda Charts, e clonalo per addestrare il tuo modello nel cloud.

Link to this sectionApplicazioni#

Un modello addestrato su questo dataset può identificare e tracciare le firme in documenti scansionati e video, supportando:

• Verifica dei Documenti: Automazione dei controlli delle firme in documenti legali e finanziari
• Rilevamento delle Frodi: Identificare firme potenzialmente falsificate o non autorizzate
• Elaborazione di Documenti Digitali: Ottimizzare i flussi di lavoro nei settori amministrativo e legale
• Banca e Finanza: Migliorare la sicurezza nell'elaborazione degli assegni e nella verifica dei documenti di prestito
• Ricerca Archivistica: Supportare l'analisi e la catalogazione di documenti storici
• Istruzione e Ricerca: Studio delle caratteristiche delle firme tra diversi tipi di documenti nei corsi di computer vision

Link to this sectionDataset YAML#

Il file signature.yaml definisce la configurazione del dataset: i percorsi del dataset, i nomi delle classi e altri metadati. È mantenuto nel repository Ultralytics all'indirizzo 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 sectionUtilizzo#

Per addestrare un modello YOLO26n sul Signature Detection Dataset per 100 epochs con una dimensione dell'immagine di 640, usa gli esempi di codice forniti. Per un elenco completo dei parametri disponibili, fai riferimento alla pagina di Addestramento 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)

Una volta addestrato, puoi eseguire l'inferenza su documenti o video con il modello ottimizzato. L'esempio seguente esegue la previsione su un video campione con una soglia di confidenza di 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 sectionEsempi di immagini e annotazioni#

Il dataset copre una varietà di formati di documento, aiutando i modelli addestrati a generalizzare su contratti, moduli e lettere. Di seguito è riportato un batch di addestramento dal dataset:

• Immagine a mosaico: Qui presentiamo un batch di training costituito da immagini del dataset a mosaico. Il mosaico, una tecnica di addestramento, 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 d'aspetto e contesti delle firme.

Link to this sectionCitazioni e riconoscimenti#

Il dataset è stato reso disponibile sotto la Licenza AGPL-3.0.

Se utilizzi il Signature Detection Dataset nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citarlo in modo appropriato:

@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 sectionA cosa serve il Signature Detection Dataset?#

Il Signature Detection Dataset è una raccolta di 178 immagini di documenti annotate per l'addestramento di modelli al rilevamento di firme autografe. Supporta la verifica dei documenti, il rilevamento delle frodi e la ricerca archivistica, ed è una base pratica per la creazione di sistemi di smart document analysis con machine learning.

Link to this sectionCome posso scaricare il Signature Detection Dataset?#

Il dataset si scarica automaticamente (11,3 MB) dalle risorse GitHub di Ultralytics la prima volta che esegui l'addestramento con data="signature.yaml": non è richiesto alcun download manuale. Per esplorare altri dataset, consulta la panoramica dei dataset di rilevamento.

Link to this sectionQuante immagini e classi ci sono nel Signature Detection Dataset?#

Il Signature Detection Dataset contiene 143 immagini di addestramento e 35 di convalida, per un totale di 178, ognuna annotata con una singola classe, signature. Non esiste un set di test separato. Vedi la sezione Struttura del Dataset e la configurazione signature.yaml per i dettagli.

Link to this sectionCome posso addestrare un modello YOLO26n sul dataset di rilevamento delle firme?#

Puoi addestrare un modello YOLO26n per 100 epoch con una dimensione dell'immagine di 640 utilizzando Python o 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)

Per ulteriori dettagli, fai riferimento alla pagina di Addestramento e ai suggerimenti per l'addestramento dei modelli.

Link to this sectionCome posso eseguire l'inferenza con un modello addestrato sul Signature Detection Dataset?#

Carica i pesi ottimizzati ed esegui la previsione:

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 sectionPosso utilizzare il Signature Detection Dataset in progetti commerciali?#

Il dataset è rilasciato sotto Licenza AGPL-3.0, che consente l'uso commerciale a condizione che le opere derivate, compreso il software offerto tramite rete, siano rese disponibili sotto la stessa licenza. Per opzioni di licenza che rimuovono i requisiti open source, consulta Licenza Ultralytics.