서명 탐지 데이터셋#

178

signature

ultralytics

publicDetect

Document analysis dataset for handwritten signature detection. Supports training models for document verification, fraud detection, and automated form processing.

21 class22 MBApr 28, 2026

signature

Ultralytics 서명 감지 데이터셋은 143개의 학습 이미지와 35개의 검증 이미지로 사전 분할된, 단일 signature 클래스로 주석이 달린 178개의 문서 이미지로 구성된 객체 감지 데이터셋입니다. 이 데이터셋은 처음 학습할 때 자동으로 다운로드되며(11.3 MB), 문서 검증, 사기 감지, 디지털 문서 처리 같은 컴퓨터 비전 애플리케이션을 위한 소형 시작점으로 적합합니다.

데이터셋 구조#

이 데이터셋은 자필 서명이 포함된 다양한 문서 유형의 이미지 178개를 포함하고 있으며, 다음과 같이 두 개의 하위 집합으로 나뉩니다:

모든 이미지에는 단일 클래스 signature에 대한 바운딩 박스 주석이 포함되어 있으며, 구성 파일에는 별도의 테스트 분할이 정의되어 있지 않습니다.

Signature on Ultralytics Platform을 탐색하여 주석 오버레이가 포함된 이미지를 살펴보고, Charts 탭에서 클래스 분포 및 바운딩 박스 히트맵을 확인한 후, 클라우드에서 나만의 모델을 학습시키기 위해 복제할 수 있습니다.

응용 분야#

이 데이터셋으로 학습된 모델은 스캔된 문서와 동영상에서 서명을 식별하고 track할 수 있으며, 다음을 지원합니다:

• 문서 검증: 법적 및 금융 문서의 서명 확인 자동화
• 사기 탐지: 위조되었거나 승인되지 않은 서명 식별
• 디지털 문서 처리: 행정 및 법률 분야의 워크플로 간소화
• 은행 및 금융: 수표 처리 및 대출 문서 검증의 보안 강화
• 아카이브 연구: 역사적 문서 분석 및 카탈로그화 지원
• 교육 및 연구: 컴퓨터 비전 강의에서 다양한 문서 유형에 따른 서명 특성 연구

데이터셋 YAML#

signature.yaml 파일은 데이터셋 경로, 클래스 이름 및 기타 메타데이터를 포함하는 데이터셋 구성을 정의합니다. 이 파일은 Ultralytics 저장소의 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml에서 유지 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#

서명 감지 데이터셋에서 이미지 크기 640으로 100 에포크 동안 YOLO26n 모델을 학습하려면 제공된 코드 샘플을 사용하십시오. 사용 가능한 전체 매개변수 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 미세 조정된 모델을 사용하여 문서나 동영상에서 inference를 실행할 수 있습니다. 아래 예시는 0.75의 신뢰도 임계값으로 샘플 동영상에서 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 다루고 있어 모델이 계약서, 양식, 편지 등 다양한 문서에 대해 일반화 능력을 갖추도록 돕습니다. 아래는 데이터셋의 학습 배치 예시입니다:

• 모자이크 이미지(Mosaiced Image): 여기에서는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여드립니다. 학습 기술 중 하나인 모자이크는 여러 이미지를 하나로 결합하여 배치 다양성을 풍부하게 만듭니다. 이 방법은 다양한 서명 크기, 종횡비 및 맥락에 걸쳐 일반화하는 모델의 능력을 향상시키는 데 도움이 됩니다.

인용 및 감사의 글#

이 데이터셋은 AGPL-3.0 License에 따라 제공됩니다.

연구 또는 개발 작업에 Signature Detection Dataset을 사용하는 경우 적절하게 인용해 주십시오:

@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#