서명 탐지 데이터셋#

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#

Signature Detection Dataset은 어디에 사용되나요?#

서명 감지 데이터셋은 자필 서명을 감지하는 모델을 학습하기 위한 178개의 주석이 달린 문서 이미지 모음입니다. 문서 검증, 사기 감지, 아카이브 연구를 지원하며, 머신 러닝을 사용하여 스마트 문서 분석 시스템을 구축하기 위한 실용적인 기반입니다.

Signature Detection Dataset은 어떻게 다운로드하나요?#

data="signature.yaml"을 사용하여 처음 학습을 시작할 때 Ultralytics GitHub 자산에서 데이터셋이 11.3 MB 크기로 자동 다운로드되므로 수동 다운로드가 필요하지 않습니다. 다른 데이터셋을 살펴보려면 detection datasets overview를 참조하세요.

Signature Detection Dataset에는 몇 개의 이미지와 클래스가 포함되어 있나요?#

Signature Detection Dataset은 143개의 학습용 이미지와 35개의 검증용 이미지(총 178개)를 포함하며, 각 이미지는 단일 클래스인 signature으로 주석이 달려 있습니다. 별도의 테스트 분할은 없습니다. 자세한 내용은 Dataset Structure 섹션과 signature.yaml 구성을 참조하세요.

서명 탐지 데이터셋에서 YOLO26n 모델을 어떻게 학습시킵니까?#

Python 또는 CLI를 사용하여 이미지 크기 640으로 100 에폭 동안 YOLO26n 모델을 학습할 수 있습니다:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n.pt")

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

자세한 내용은 Training 페이지와 model training tips를 참조하세요.

Signature Detection Dataset으로 학습된 모델을 사용하여 어떻게 추론을 실행할 수 있나요?#

미세 조정된 가중치를 로드하고 prediction을 실행합니다:

from ultralytics import YOLO

# Load the fine-tuned model
model = YOLO("path/to/best.pt")

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

상업적 프로젝트에서 Signature Detection Dataset을 사용할 수 있나요?#

이 데이터셋은 AGPL-3.0 License에 따라 배포되며, 네트워크를 통해 제공되는 소프트웨어를 포함하여 파생 저작물이 동일한 라이선스 하에 제공되는 경우 상업적 사용이 허용됩니다. 오픈 소스 요구사항을 제거하는 라이선스 옵션에 대해서는 Ultralytics Licensing을 참조하세요.