서명 탐지 데이터셋

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:

분할이미지설명
학습143모델 학습용 라벨링 이미지
검증35평가를 위해 제외된 이미지

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

자동 다운로드

서명 탐지 데이터셋(11.3MB)은 처음 학습할 때 Ultralytics GitHub 에셋에서 자동으로 다운로드되므로 수동으로 다운로드하거나 준비할 필요가 없습니다.

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/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

사용법#

제공된 코드 예제를 사용하면 이미지 크기 640으로 Signature Detection Dataset에서 100 에포크 동안 YOLO26n 모델을 학습할 수 있습니다.

학습 예제
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:

추론 예제
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:

주석이 달린 문서의 서명 감지 데이터셋 모자이크 학습 배치

  • 모자이크 이미지: 이 학습 배치는 모자이크 처리를 통해 여러 데이터셋 이미지를 결합합니다. 모자이크 처리는 배치 다양성을 높이고 다양한 서명 크기, 종횡비, 맥락에 걸쳐 모델이 일반화하도록 돕는 학습 기법입니다.

인용 및 감사의 글#

데이터셋은 AGPL-3.0 라이선스에 따라 제공됩니다.

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

인용
@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#

  • Signature Detection Dataset은 손글씨 서명 감지 모델을 학습하기 위한 어노테이션된 문서 이미지 178개 모음입니다. 문서 검증, 사기 감지, 아카이브 연구를 지원하며, 스마트 문서 분석 시스템을 머신러닝으로 구축하는 데 실용적인 기반을 제공합니다.

  • data="signature.yaml"을 사용해 처음 학습할 때 데이터셋이 Ultralytics GitHub 에셋에서 자동으로 다운로드됩니다(11.3 MB). 수동으로 다운로드할 필요가 없습니다. 다른 데이터셋을 살펴보려면 객체 감지 데이터셋 개요를 확인하세요.

  • Signature Detection Dataset에는 학습 이미지 143개와 검증 이미지 35개, 총 178개 이미지가 있으며, 각 이미지에는 signature 단일 클래스의 주석이 포함되어 있습니다. 별도의 테스트 분할은 없습니다. 자세한 내용은 데이터셋 구조 섹션과 signature.yaml 구성을 참조하세요.

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

    학습 예제
    from ultralytics import YOLO
    
    # 사전 학습된 모델 불러오기
    model = YOLO("yolo26n.pt")
    
    # 모델 학습
    results = model.train(data="signature.yaml", epochs=100, imgsz=640)

    자세한 내용은 학습 페이지와 모델 학습 팁을 참조하세요.

  • 미세 조정된 가중치를 불러오고 예측을 실행합니다:

    추론 예제
    from ultralytics import YOLO
    
    # 미세 조정된 모델을 불러옵니다
    model = YOLO("path/to/best.pt")
    
    # 추론 수행
    results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)
  • 데이터셋은 AGPL-3.0 라이선스에 따라 배포됩니다. 네트워크를 통해 제공되는 소프트웨어를 포함한 파생 저작물을 동일한 라이선스로 제공하는 경우 상업적 사용이 허용됩니다. 오픈 소스 요건이 적용되지 않는 라이선스 옵션은 Ultralytics 라이선스를 참조하세요.

댓글2

질문을 하거나 결과를 공유하거나 다른 사람을 도와주세요.

  1. Haroon Aziz

    Thank you for providing the free dataset. I am interested in contributing to this platform by creating a dataset for briquette texture classification.

    1. Glenn JocherUltralytics

      Thanks for your interest! Please share the proposed classes, image counts, data source, and sample images in this discussion, then follow the dataset contribution guide to prepare the briquette texture classification dataset and submit a focused documentation PR.