Link to this section서명 탐지 데이터셋#

Q: 서명 탐지 데이터셋에서 YOLO26n 모델을 어떻게 학습시킵니까?

서명 탐지 데이터셋에서 YOLO26n 모델을 학습하려면 다음 단계를 따르십시오: Download the signature.yaml dataset configuration file from signature.yaml. 다음 Python 스크립트 또는 CLI 명령어를 사용하여 학습을 시작하십시오: 자세한 내용은 Training 페이지를 참조하십시오.

Q: 서명 탐지 데이터셋의 주요 애플리케이션은 무엇입니까?

서명 탐지 데이터셋은 다음 용도로 사용할 수 있습니다: 문서 검증: 문서 내 인간 서명의 존재 여부와 진위 여부를 자동으로 검증합니다. 사기 탐지: 법률 및 금융 문서에서 위조되었거나 사기성 서명을 식별합니다. 아카이브 연구: 역사학자와 아카이브 담당자가 역사적 문서를 디지털 방식으로 분석하고 카탈로그화하는 것을 돕습니다. 교육: 컴퓨터 비전 및 machine learning 분야의 학술 연구 및 교육을 지원합니다. 금융 서비스: 서명 진위 여부를 검증하여 은행 거래 및 대출 처리의 보안을 강화합니다.

Q: 서명 탐지 데이터셋의 구조는 어떻게 되며, 자세한 정보는 어디에서 찾을 수 있습니까?

서명 탐지 데이터셋은 두 개의 하위 세트로 나뉩니다: 학습 세트: 주석이 포함된 143개의 이미지로 구성됩니다. 검증 세트: 주석이 포함된 35개의 이미지로 구성됩니다. For detailed information, you can refer to the Dataset Structure section. Additionally, view the complete dataset configuration in the signature.yaml file located at signature.yaml.

이 데이터셋은 문서 내에서 사람이 작성한 서명을 탐지하는 데 중점을 둡니다. 서명이 주석 처리된 다양한 유형의 문서를 포함하고 있어 문서 검증 및 사기 탐지 애플리케이션을 위한 유용한 통찰력을 제공합니다. computer vision 알고리즘 학습에 필수적인 이 데이터셋은 다양한 문서 형식에서 서명을 식별하는 데 도움을 주며, 문서 분석 분야의 연구 및 실용적인 애플리케이션을 지원합니다.

Link to this section데이터셋 구조#

서명 탐지 데이터셋은 두 개의 하위 세트로 나뉩니다:

학습 세트(Training set): 각각 주석이 포함된 143개의 이미지로 구성됩니다.
검증 세트(Validation set): 각각 주석이 쌍으로 포함된 35개의 이미지로 구성됩니다.

Link to this section응용 분야#

이 데이터셋은 객체 탐지, 객체 추적, 문서 분석과 같은 다양한 컴퓨터 비전 작업에 적용할 수 있습니다. 특히, 문서 내 서명을 식별하기 위한 모델을 학습 및 평가하는 데 사용될 수 있으며, 다음과 같은 분야에서 중요하게 활용됩니다:

문서 검증: 법률 및 금융 문서의 검증 프로세스 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

또한 이 데이터셋은 교육용으로도 귀중한 자원이 되어, 학생과 연구자들이 다양한 문서 유형에 걸친 서명 특성을 연구할 수 있도록 지원합니다.

Link to this section데이터셋 YAML#

YAML(Yet Another Markup Language) 파일은 경로와 클래스 정보를 포함한 데이터셋 구성을 정의합니다. 서명 탐지 데이터셋의 경우, signature.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml에 위치합니다.

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 section사용법#

이미지 크기 640으로 100 epochs 동안 서명 탐지 데이터셋에서 YOLO26n 모델을 학습시키려면 제공된 코드 샘플을 사용하십시오. 사용 가능한 매개변수의 전체 목록은 해당 모델의 Training 페이지를 참조하십시오.

훈련 예제

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)

추론 예시

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 section샘플 이미지 및 주석#

서명 탐지 데이터셋은 다양한 문서 유형과 주석 처리된 서명을 보여주는 폭넓은 이미지를 포함합니다. 아래는 데이터셋 이미지의 예시이며, 각 이미지에는 해당 주석이 함께 제공됩니다.

서명 탐지 데이터셋 샘플 이미지

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.

이 예시는 서명 탐지 데이터셋 이미지의 다양성과 복잡성을 보여주며, 학습 과정에 모자이크 처리를 포함하는 이점을 강조합니다.

Link to this section인용 및 감사의 글#

이 데이터셋은 AGPL-3.0 라이선스하에 릴리스되었습니다.

Link to this sectionFAQ#