署名検出データセット#

178

signature

ultralytics

publicDetect

Signature contains scanned and photographed documents with single-class boxes around handwritten signatures. It supports signature localization before verification, fraud analysis, redaction, document indexing, and automated form processing across varied page layouts.

21 class22 MBSep 2, 2026

signature

Ultralytics署名検出データセットは、178枚のドキュメント画像に単一のsignatureクラスのアノテーションを付与した物体検出データセットで、トレーニング用143枚、検証用35枚にあらかじめ分割されています。初回のトレーニング時にデータセットが自動でダウンロードされるため（11.3 MB）、ドキュメント検証、不正検出、デジタルドキュメント処理などのコンピュータービジョンアプリケーションを始めるためのコンパクトなデータセットとして適しています。

データセットの構成#

このデータセットには、手書きの署名が含まれるさまざまな種類のドキュメント画像が178枚あり、2つのサブセットに分かれています。

各画像には、1つのクラスsignatureのバウンディングボックスアノテーションが付与されています。設定には独立したテストセットはありません。

Ultralytics Platform上のSignatureで、アノテーションを重ねた画像やChartsタブのクラス分布とバウンディングボックスのヒートマップを確認し、データセットをクローンして独自モデルをクラウドでトレーニングできます。

用途#

このデータセットでトレーニングしたモデルは、スキャンしたドキュメントや動画内の署名を識別して追跡でき、次の用途に役立ちます。

• ドキュメント検証: 法務・金融関連ドキュメントの署名確認を自動化します
• 不正検出: 偽造または権限のない署名の可能性を特定します
• デジタルドキュメント処理: 行政・法務分野のワークフローを効率化します
• 銀行・金融: 小切手処理や融資関連ドキュメントの検証におけるセキュリティを強化します
• アーカイブ研究: 歴史的文書の分析と目録作成を支援します
• 教育・研究: コンピュータービジョンの講座で、さまざまな種類のドキュメントにおける署名の特徴を研究します

データセットYAML#

signature.yamlファイルでは、データセットのパス、クラス名、その他のメタデータなどの設定を定義します。このファイルは、https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yamlにあるUltralyticsリポジトリで管理されています。

# 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

使用方法#

提供されているコードサンプルを使用して、署名検出データセットでYOLO26nモデルを画像サイズ640、100エポックでトレーニングできます。利用可能なパラメーターの一覧については、モデルのトレーニングページを参照してください。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("yolo26n.pt")  # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）

# モデルをトレーニングする
results = model.train(data="signature.yaml", epochs=100, imgsz=640)

トレーニング後は、ファインチューニング済みモデルを使用して、ドキュメントや動画に対する推論を実行できます。以下の例では、信頼度しきい値を0.75に設定し、サンプル動画に対して予測を実行します。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("path/to/best.pt")  # 署名検出用のファインチューニング済みモデルを読み込みます

# モデルを使用した推論
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

サンプル画像とアノテーション#

このデータセットはさまざまな形式のドキュメントを網羅しており、トレーニング済みモデルが契約書、フォーム、手紙にわたって汎化できるよう支援します。以下はデータセットのトレーニングバッチです。

• モザイク処理された画像: 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紹介します。トレーニング手法の一つであるモザイク処理では、複数の画像を1枚にまとめてバッチの多様性を高めます。この方法は、さまざまな署名サイズ、アスペクト比、コンテキストに対するモデルの汎化能力を向上させるのに役立ちます。

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。

研究または開発で署名検出データセットを使用する場合は、適切な形式で引用してください。

@dataset{Ultralytics_Signature_Detection_Dataset_2024,
    author = {Ultralytics},
    title = {Signature Detection Dataset},
    year = {2024},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/signature}
}

よくある質問#