シグネチャー検出データセット

Q: How do I train a YOLO11n model on the Signature Detection Dataset?

シグネチャー検出データセットでYOLO11nモデルをトレーニングするには、以下の手順に従ってください：詳細については、トレーニングのページを参照してください。

Q: What is the structure of the Signature Detection Dataset, and where can I find more information?

シグネチャ検出データセットは2つのサブセットに分かれている：詳細については、「データセットの構造」のセクションを参照。さらに、signature.yamlにあるsignature.yamlファイルで、データセットの完全な構成を見ることができます。

このデータセットは、文書内の人間の筆跡による署名の検出に焦点を当てている。このデータセットには、署名を注釈した様々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貴重な洞察を提供します。コンピュータビジョンアルゴリズムの学習に不可欠なこのデータセットは、様々な文書フォーマットの署名を識別するのに役立ち、文書解析の研究と実用的なアプリケーションをサポートします。

データセット構造

シグネチャ検出データセットは3つのサブセットに分割される：

トレーニングセット：143枚の画像が含まれ、それぞれに対応する注釈が付けられている。
検証セット：35枚の画像を含み、それぞれに対になった注釈がある。

アプリケーション

このデータセットは、物体検出、物体追跡、文書解析など、様々なコンピュータビジョンタスクに応用できる。具体的には、文書中の署名を識別するモデルの訓練と評価に使用でき、文書検証、不正検出、アーカイブ研究に応用できる。さらに、学生や研究者が様々な種類の文書における署名の特徴や振る舞いを研究し理解することを可能にする、教育目的のための貴重なリソースとしても機能します。

データセット YAML

YAML（Yet Another Markup Language）ファイルは、パスやクラス情報を含むデータセットの設定を定義する。シグネチャ検出データセットでは signature.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml.

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

使用方法

YOLO11nモデルを画像サイズ640で100エポックのシグネチャ検出データセットで訓練するには、提供されているコードサンプルを使用します。利用可能なパラメータの包括的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。

列車の例

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.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=yolo11n.pt epochs=100 imgsz=640

推論例

PythonCLI

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

サンプル画像と注釈

署名検出データセットは、様々な種類の文書と注釈付き署名を紹介する多種多様な画像から構成される。以下はデータセットの画像の例で、それぞれに対応する注釈が添えられています。

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からなるトレーニングバッチを紹介する。モザイキングは、複数の画像を1つに統合し、バッチの多様性を豊かにする学習手法である。この方法は、異なるシグネチャサイズ、アスペクト比、コンテクストにわたってモデルの一般化能力を高めるのに役立つ。

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性を示しており、学習プロセス中にモザイク処理を含めることの利点を強調している。

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る。

よくあるご質問