Link to this sectionDataset de Detecção de Assinaturas#

Este dataset concentra-se na detecção de assinaturas humanas em documentos. Inclui uma variedade de tipos de documentos com assinaturas anotadas, fornecendo insights valiosos para aplicações em verificação de documentos e detecção de fraudes. Essencial para treinar algoritmos de computer vision, este dataset auxilia na identificação de assinaturas em diversos formatos de documentos, apoiando pesquisas e aplicações práticas na análise de documentos.

Link to this sectionEstrutura do Dataset#

O dataset de detecção de assinaturas está dividido em dois subconjuntos:

• Conjunto de treinamento: Contém 143 imagens, cada uma com as respectivas anotações.
• Conjunto de validação: Inclui 35 imagens, cada uma com anotações pareadas.

Link to this sectionAplicações#

Este dataset pode ser aplicado em várias tarefas de computer vision, como object detection, object tracking e análise de documentos. Especificamente, ele pode ser usado para treinar e avaliar modelos para identificar assinaturas em documentos, o que tem aplicações significativas em:

• Verificação de Documentos: Automatização do processo de verificação para 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

Além disso, serve como um recurso valioso para fins educacionais, permitindo que estudantes e pesquisadores estudem as características das assinaturas em diferentes tipos de documentos.

Link to this sectionYAML do Dataset#

Um arquivo YAML (Yet Another Markup Language) define a configuração do dataset, incluindo informações de caminhos e classes. Para o dataset de detecção de assinaturas, o arquivo signature.yaml está localizado 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

Link to this sectionUso#

Para treinar um modelo YOLO26n no dataset de detecção de assinaturas por 100 epochs com um tamanho de imagem de 640, usa as amostras de código fornecidas. Para uma lista completa dos 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)

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 sectionExemplos de Imagens e Anotações#

O dataset de detecção de assinaturas compreende uma grande variedade de imagens que exibem diferentes tipos de documentos e assinaturas anotadas. Abaixo estão exemplos de imagens do dataset, cada uma acompanhada pelas suas respectivas anotações.

• 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.

Este exemplo ilustra a variedade e a complexidade das imagens no Dataset de Detecção de Assinaturas, enfatizando os benefícios de incluir o mosaico durante o processo de treinamento.

Link to this sectionCitações e Agradecimentos#

O conjunto de dados foi lançado sob a Licença AGPL-3.0.

Link to this sectionFAQ#

Link to this sectionO que é o Dataset de Detecção de Assinaturas e como ele pode ser usado?#

O Dataset de Detecção de Assinaturas é uma coleção de imagens anotadas com o objetivo de detectar assinaturas humanas em vários tipos de documentos. Pode ser aplicado em tarefas de computer vision como object detection e rastreamento, principalmente para verificação de documentos, detecção de fraudes e pesquisa arquivística. Este dataset ajuda a treinar modelos para reconhecer assinaturas em diferentes contextos, tornando-o valioso tanto para pesquisa quanto para aplicações práticas em smart document analysis.

Link to this sectionComo treino um modelo YOLO26n no Dataset de Detecção de Assinaturas?#

Para treinar um modelo YOLO26n no Dataset de Detecção de Assinaturas, segue estes passos:

1. Baixa o arquivo de configuração do dataset signature.yaml em signature.yaml.
2. Usa o seguinte script Python ou comando CLI para iniciar o treinamento:

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.

Link to this sectionQuais são as principais aplicações do Dataset de Detecção de Assinaturas?#

O Dataset de Detecção de Assinaturas pode ser usado para:

1. Verificação de Documentos: Verificar automaticamente a presença e a autenticidade de assinaturas humanas em documentos.
2. Detecção de Fraudes: Identificar assinaturas falsificadas ou fraudulentas em documentos legais e financeiros.
3. Pesquisa Arquivística: Auxiliar historiadores e arquivistas na análise digital e catalogação de documentos históricos.
4. Educação: Apoiar a pesquisa acadêmica e o ensino nas áreas de computer vision e machine learning.
5. Serviços Financeiros: Aumentar a segurança em transações bancárias e processamento de empréstimos verificando a autenticidade da assinatura.

Link to this sectionComo posso realizar a inferência usando um modelo treinado no Dataset de Detecção de Assinaturas?#

Para realizar a inferência usando um modelo treinado no Dataset de Detecção de Assinaturas, segue estes passos:

1. Carrega o teu modelo ajustado.
2. Usa o script Python ou o comando CLI abaixo para realizar a inferência:

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)

Link to this sectionQual é a estrutura do Dataset de Detecção de Assinaturas e onde posso encontrar mais informações?#

O Dataset de Detecção de Assinaturas está dividido em dois subconjuntos:

• Conjunto de Treinamento: Contém 143 imagens com anotações.
• Conjunto de Validação: Inclui 35 imagens com anotações.

Para informações detalhadas, podes consultar a seção Dataset Structure. Além disso, vê a configuração completa do dataset no arquivo signature.yaml localizado em signature.yaml.