서명 탐지 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 탐지 데이터셋은 문서 이미지 178개에 단일 signature 클래스를 어노테이션한 객체 탐지 데이터셋으로, 학습 이미지 143개와 검증 이미지 35개로 미리 분할되어 있습니다. 처음 학습할 때 데이터셋이 자동으로 다운로드되므로(11.3MB), 문서 검증, 사기 탐지, 디지털 문서 처리와 같은 컴퓨터 비전 애플리케이션을 시작하기에 적합한 소규모 데이터셋입니다.

데이터셋 구조#

이 데이터셋에는 손으로 쓴 서명이 포함된 다양한 문서 유형의 이미지 178개가 있으며, 두 개의 하위 집합으로 나뉩니다:

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

Ultralytics Platform의 Signature를 살펴보고 어노테이션 오버레이가 적용된 이미지를 확인하고, Charts 탭에서 클래스 분포와 바운딩 박스 히트맵을 살펴본 다음, 클라우드에서 자체 모델을 학습하도록 복제해 보세요.

응용 분야#

이 데이터셋으로 학습한 모델은 스캔한 문서와 동영상에서 서명을 식별하고 추적하여 다음 작업을 지원할 수 있습니다:

• 문서 검증: 법률 및 금융 문서의 서명 확인 자동화
• 사기 탐지: 위조 또는 승인되지 않은 서명일 가능성이 있는 서명 식별
• 디지털 문서 처리: 행정 및 법률 분야의 워크플로 간소화
• 은행 및 금융: 수표 처리와 대출 문서 검증의 보안 강화
• 기록물 연구: 역사 문서 분석 및 목록 작성 지원
• 교육 및 연구: 컴퓨터 비전 강의에서 다양한 문서 유형의 서명 특성 연구

데이터셋 YAML#

signature.yaml 파일은 데이터셋 경로, 클래스 이름 및 기타 메타데이터 등 데이터셋 구성을 정의합니다. 이 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml의 Ultralytics 저장소에서 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#

제공된 코드 샘플을 사용하면 Signature Detection Dataset으로 YOLO26n 모델을 이미지 크기 640으로 100 에포크 동안 학습할 수 있습니다. 사용 가능한 매개변수의 전체 목록은 모델의 학습 페이지를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

# 모델 학습
results = model.train(data="signature.yaml", epochs=100, imgsz=640)

학습이 완료되면 미세 조정된 모델로 문서나 동영상에 추론을 실행할 수 있습니다. 아래 예시는 신뢰도 임계값을 0.75로 설정하여 샘플 동영상에 예측을 실행합니다:

from ultralytics import YOLO

# 모델 로드
model = YOLO("path/to/best.pt")  # 서명 탐지용으로 미세 조정된 모델 불러오기

# 모델을 사용한 추론
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

샘플 이미지 및 어노테이션#

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

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

인용 및 감사의 글#

데이터셋은 AGPL-3.0 라이선스에 따라 제공됩니다.

연구 또는 개발 작업에서 Signature Detection Dataset을 사용하는 경우 적절한 형식으로 인용해 주세요:

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

자주 묻는 질문#