Dataset de Detecção de Assinaturas#

O conjunto de dados Ultralytics Signature Detection é um conjunto de dados de object detection de 178 imagens de documentos anotadas com uma única classe signature, pré-dividido em 143 imagens de treino e 35 de validação. O conjunto de dados é transferido automaticamente (11,3 MB) na primeira vez que treinas, tornando-o num ponto de partida compacto para aplicações de computer vision tais como verificação de documentos, deteção de fraude e processamento de documentos digitais.

Estrutura do Dataset#

O conjunto de dados contém 178 imagens de vários tipos de documentos com assinaturas manuscritas, divididas em dois subconjuntos:

Cada imagem possui anotações de bounding-box para uma classe, signature, e a configuração não define uma divisão de teste separada.

Explora Signature on Ultralytics Platform para veres as imagens com as suas sobreposições de anotação, visualizar a distribuição de classes e mapas de calor de bounding-box no separador Charts, e clona-o para treinares o teu próprio modelo na cloud.

Aplicações#

Um modelo treinado neste conjunto de dados pode identificar e track assinaturas em documentos digitalizados e vídeo, suportando:

• Document Verification: Automatização de verificações de assinatura em documentos legais e financeiros
• Detecção de Fraudes: Identificação de assinaturas potencialmente falsificadas ou não autorizadas
• Processamento de Documentos Digitais: Simplificação de fluxos de trabalho em setores administrativos e jurídicos
• Bancário e Financeiro: Aumento da segurança no processamento de cheques e verificação de documentos de empréstimo
• Pesquisa Arquivística: Apoio à análise e catalogação de documentos históricos
• Education and Research: Estudo de características de assinatura em vários tipos de documentos em cursos de computer vision

YAML do Dataset#

O ficheiro signature.yaml define a configuração do conjunto de dados — os caminhos do conjunto de dados, nomes de classes e outros metadados. É mantido no repositório Ultralytics em https://github.com/ultralytics/ultralytics/blob/main/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

Uso#

Para treinares um modelo YOLO26n no Signature Detection Dataset durante 100 epochs com um tamanho de imagem de 640, utiliza os exemplos de código fornecidos. Para uma lista completa de parâmetros disponíveis, consulta a página de Training do modelo.

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)

Uma vez treinado, podes executar inference em documentos ou vídeo com o modelo ajustado. O exemplo abaixo executa a predição num vídeo de amostra com um limiar de confiança de 0,75:

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)

Exemplos de Imagens e Anotações#

O conjunto de dados abrange uma variedade de formatos de documentos, ajudando os modelos treinados a generalizar entre contratos, formulários e cartas. Abaixo está um lote de treino do conjunto de dados:

• Imagem Mosaico: Aqui, apresentamos um lote de treinamento que consiste em imagens do dataset em mosaico. O mosaico, uma técnica de treinamento, combina várias imagens em uma, enriquecendo a diversidade do lote. Este método ajuda a melhorar a capacidade do modelo de generalizar através de diferentes tamanhos de assinatura, proporções e contextos.

Citações e Agradecimentos#

O dataset foi disponibilizado sob a Licença AGPL-3.0.

Se utilizares o Signature Detection Dataset no teu trabalho de investigação ou desenvolvimento, por favor cita-o adequadamente:

@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#

Para que é utilizado o Signature Detection Dataset?#

O Signature Detection Dataset é uma coleção de 178 imagens de documentos anotadas para treinar modelos a detetar assinaturas manuscritas. Suporta verificação de documentos, deteção de fraude e investigação arquivística, sendo uma base prática para a construção de sistemas de smart document analysis com machine learning.

Como posso transferir o Signature Detection Dataset?#

O conjunto de dados é transferido automaticamente (11,3 MB) a partir dos assets do Ultralytics GitHub na primeira vez que treinas com data="signature.yaml" — não é necessária qualquer transferência manual. Para explorar outros conjuntos de dados, navega na detection datasets overview.

Quantas imagens e classes existem no Signature Detection Dataset?#

O Signature Detection Dataset contém 143 imagens de treino e 35 de validação — 178 no total — cada uma anotada com uma única classe, signature. Não existe uma divisão de teste separada. Vê a secção Dataset Structure e a configuração signature.yaml para mais detalhes.

Como treino um modelo YOLO26n no Dataset de Detecção de Assinaturas?#

Podes treinar um modelo YOLO26n durante 100 epochs com um tamanho de imagem de 640 usando Python ou a CLI:

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)

Para mais detalhes, consulta a página de Training e as model training tips.

Como posso executar a inference com um modelo treinado no Signature Detection Dataset?#

Carrega os teus pesos ajustados e executa a prediction:

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)

Posso utilizar o Signature Detection Dataset em projetos comerciais?#

O conjunto de dados é lançado sob a AGPL-3.0 License, que permite a utilização comercial, desde que as obras derivadas — incluindo software disponibilizado através de uma rede — sejam disponibilizadas sob a mesma licença. Para opções de licenciamento que removam os requisitos de código aberto, consulta Ultralytics Licensing.