서명 감지 데이터셋#

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 서명 감지 데이터셋은 단일 signature 클래스로 어노테이션된 178개의 문서 이미지로 구성된 객체 감지 데이터셋이며, 143개의 학습 이미지와 35개의 검증 이미지로 미리 분할되어 있습니다. 데이터셋은 처음 학습할 때 자동으로 다운로드되므로(11.3MB), 문서 검증, 사기 감지, 디지털 문서 처리와 같은 컴퓨터 비전 애플리케이션을 위한 간결한 시작점으로 활용할 수 있습니다.

데이터셋 구조#

이 데이터셋에는 자필 서명이 포함된 다양한 유형의 문서 이미지 178개가 두 개의 하위 집합으로 나뉘어 포함되어 있습니다.

모든 이미지에는 하나의 클래스인 signature에 대한 바운딩 박스 어노테이션이 포함되어 있으며, 구성에는 별도의 테스트 분할이 정의되어 있지 않습니다.

Ultralytics Platform의 Signature에서 어노테이션 오버레이가 표시된 이미지를 둘러보고, Charts 탭에서 클래스 분포와 바운딩 박스 히트맵을 확인한 다음, 클라우드에서 자체 모델을 학습하도록 데이터셋을 복제할 수 있습니다.

응용 분야#

이 데이터셋으로 학습한 모델은 스캔한 문서와 동영상에서 서명을 식별하고 추적할 수 있으며, 다음과 같은 용도로 활용할 수 있습니다.

• 문서 검증: 법률 및 금융 문서의 서명 확인 자동화
• 사기 감지: 위조되었거나 승인되지 않은 서명 식별
• 디지털 문서 처리: 행정 및 법률 분야의 워크플로 간소화
• 은행 및 금융: 수표 처리와 대출 문서 검증의 보안 강화
• 기록물 연구: 역사적 문서 분석 및 목록화 지원
• 교육 및 연구: 컴퓨터 비전 과정에서 문서 유형별 서명 특성 연구

데이터셋 YAML#

signature.yaml 파일은 데이터셋 구성, 즉 데이터셋 경로, 클래스 이름 및 기타 메타데이터를 정의합니다. 이 파일은 Ultralytics 리포지토리의 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml에서 관리됩니다.

# 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

사용법#

제공된 코드 샘플을 사용하면 640의 이미지 크기로 서명 감지 데이터셋에서 100 에포크 동안 YOLO26n 모델을 학습할 수 있습니다. 사용 가능한 매개변수의 전체 목록은 모델의 학습 페이지를 참조하십시오.

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)

학습이 완료되면 fine-tuned 모델을 사용하여 문서나 동영상에 대해 추론을 실행할 수 있습니다. 아래 예제는 신뢰도 임계값 0.75로 샘플 동영상에 대한 예측을 실행합니다.

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)

샘플 이미지 및 주석#

이 데이터셋은 다양한 문서 형식을 포함하므로 학습된 모델이 계약서, 양식 및 서신 전반에 걸쳐 일반화하는 데 도움이 됩니다. 다음은 데이터셋의 학습 배치입니다.

• 모자이크 처리된 이미지: 여기에서는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여 줍니다. 학습 기법인 모자이크 처리는 여러 이미지를 하나로 결합하여 배치의 다양성을 높입니다. 이 방법은 다양한 서명 크기, 종횡비 및 맥락에 대한 모델의 일반화 능력을 향상하는 데 도움이 됩니다.

인용 및 감사의 글#

데이터셋은 AGPL-3.0 라이선스에 따라 제공됩니다.

연구 또는 개발 작업에서 서명 감지 데이터셋을 사용하는 경우 적절한 방식으로 인용하십시오.

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

FAQ#