Link to this section署名検出データセット#

このデータセットは、文書内の手書き署名を検出することに焦点を当てています。署名がアノテーションされた多様な種類の文書が含まれており、文書検証や不正検出のアプリケーションにおいて有益な知見を提供します。コンピュータビジョンアルゴリズムのトレーニングに不可欠なこのデータセットは、さまざまな文書フォーマットにおける署名の特定を支援し、文書分析における研究や実用的なアプリケーションをサポートします。

Link to this sectionデータセットの構造#

署名検出データセットは、次の2つのサブセットに分割されています。

トレーニングセット: 143枚の画像を含み、それぞれに対応するアノテーションが付属しています。
バリデーションセット: 35枚の画像を含み、それぞれに対応するアノテーションがペアになっています。

Link to this sectionアプリケーション#

このデータセットは、object detection、object tracking、文書解析など、さまざまなコンピュータビジョンのタスクに適用できます。具体的には、文書内の署名を識別するためのモデルのトレーニングや評価に使用でき、以下のような分野で重要な応用が可能です。

文書検証: 法的文書や金融文書の検証プロセスの自動化
不正検出: 偽造または不正な署名の特定
デジタル文書処理: 管理および法務部門におけるワークフローの効率化
銀行および金融: 小切手処理や融資書類の検証におけるセキュリティの強化
アーカイブ研究: 歴史的文書の分析とカタログ作成の支援

さらに、教育目的のリソースとしても非常に価値があり、学生や研究者がさまざまな文書タイプにわたる署名の特徴を研究することを可能にします。

Link to this sectionデータセット YAML#

YAML（Yet Another Markup Language）ファイルが、パスやクラス情報を含むデータセットの構成を定義しています。署名検出データセットの場合、signature.yamlファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml にあります。

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 section使用方法#

署名検出データセットでYOLO26nモデルを100 エポック分トレーニングし、画像サイズを640にするには、提供されているコードサンプルを使用してください。利用可能なパラメータの完全なリストについては、モデルのトレーニングページを参照してください。

学習例

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)

推論の例

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 sectionサンプル画像とアノテーション#

署名検出データセットは、さまざまな文書タイプやアノテーション済みの署名を含む多種多様な画像で構成されています。以下はデータセットの画像の例であり、それぞれに対応するアノテーションが付属しています。

署名検出データセットのサンプル画像

モザイク画像: ここでは、モザイク処理されたデータセット画像で構成されるトレーニングバッチを表示しています。トレーニングテクニックの一つであるモザイク処理は、複数の画像を1つに結合してバッチの多様性を高めます。この手法は、さまざまな署名サイズ、アスペクト比、コンテキストにわたってモデルの汎化能力を向上させるのに役立ちます。

この例は、署名検出データセットに含まれる画像の多様性と複雑さを示しており、トレーニングプロセス中にモザイク処理を取り入れることの利点を強調しています。

Link to this section引用と謝辞#

このデータセットはAGPL-3.0ライセンスの下で公開されています。

Link to this sectionよくある質問 (FAQ)#