Conjunto de dados de detecção de assinaturas#
O conjunto de dados de detecção de assinaturas da Ultralytics é um conjunto de dados de detecção de objetos com 178 imagens de documentos anotadas com uma única classe signature, divididas previamente em 143 imagens de treinamento e 35 de validação. O conjunto de dados é baixado automaticamente (11,3 MB) na primeira vez que você treina, oferecendo um ponto de partida compacto para aplicações de visão computacional, como verificação de documentos, detecção de fraudes e processamento digital de documentos.
Estrutura do conjunto de dados#
O conjunto de dados contém 178 imagens de vários tipos de documentos com assinaturas manuscritas, divididas em dois subconjuntos:
| Divisão | Imagens | Descrição |
|---|---|---|
| Treinar | 143 | Imagens rotuladas para treinamento do modelo |
| Validação | 35 | Imagens reservadas para avaliação |
Cada imagem tem anotações de caixas delimitadoras para uma classe, signature, e a configuração não define uma divisão de teste separada.
O conjunto de dados de detecção de assinaturas (11,3 MB) é baixado automaticamente dos recursos do GitHub da Ultralytics na primeira vez que você treina, portanto não é necessário fazer download ou preparação manual.
Explore Signature na Ultralytics Platform para navegar pelas imagens com sobreposições das anotações, consultar a distribuição das classes e os mapas de calor das caixas delimitadoras na guia Charts e clonar o conjunto de dados para treinar seu próprio modelo na nuvem.
Aplicações#
Um modelo treinado com esse conjunto de dados pode identificar e rastrear assinaturas em documentos digitalizados e vídeos, contribuindo para:
- Verificação de documentos: automatização da verificação de assinaturas em documentos jurídicos e financeiros
- Detecção de fraudes: identificação de assinaturas possivelmente falsificadas ou não autorizadas
- Processamento digital de documentos: simplificação dos fluxos de trabalho nos setores administrativo e jurídico
- Bancos e finanças: reforço da segurança no processamento de cheques e na verificação de documentos de empréstimo
- Pesquisa arquivística: apoio à análise e catalogação de documentos históricos
- Educação e pesquisa: estudo das características de assinaturas em diferentes tipos de documentos em cursos de visão computacional
YAML do conjunto de dados#
O arquivo signature.yaml define a configuração do conjunto de dados — os caminhos dos dados, os nomes das classes e outros metadados. Ele é mantido no repositório da 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.zipUso#
Para treinar um modelo YOLO26n no conjunto de dados de detecção de assinaturas por 100 épocas, com tamanho de imagem 640, use os exemplos de código fornecidos. Para ver a lista completa de parâmetros disponíveis, consulte a página de Treinamento do modelo.
from ultralytics import YOLO
# Carregar um modelo
model = YOLO("yolo26n.pt") # carregue um modelo pré-treinado (recomendado para treinamento)
# Treinar o modelo
results = model.train(data="signature.yaml", epochs=100, imgsz=640)Depois do treinamento, você pode executar a inferência em documentos ou vídeos com o modelo ajustado. O exemplo abaixo executa a predição em um vídeo de amostra com um limite de confiança de 0,75:
from ultralytics import YOLO
# Carregar um modelo
model = YOLO("path/to/best.pt") # carregar um modelo de detecção de assinaturas ajustado
# Inferência usando o modelo
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)Imagens de exemplo e anotações#
O conjunto de dados abrange vários formatos de documentos, ajudando os modelos treinados a generalizar entre contratos, formulários e cartas. Abaixo está um lote de treinamento do conjunto de dados:
- Imagem em mosaico: Aqui, apresentamos um lote de treino composto por imagens do conjunto de dados organizadas em mosaico. A criação de mosaicos, uma técnica de treino, combina várias imagens numa só, aumentando a diversidade do lote. Este método ajuda a melhorar a capacidade do modelo de generalizar para diferentes tamanhos de assinatura, proporções e contextos.
Citações e agradecimentos#
O conjunto de dados foi disponibilizado sob a Licença AGPL-3.0.
Se utilizares o conjunto de dados de deteção de assinaturas na tua investigação ou trabalho de desenvolvimento, cita-o devidamente:
@dataset{Ultralytics_Signature_Detection_Dataset_2024,
author = {Ultralytics},
title = {Signature Detection Dataset},
year = {2024},
publisher = {Ultralytics},
url = {https://docs.ultralytics.com/datasets/detect/signature}
}Perguntas frequentes#
O conjunto de dados de deteção de assinaturas é uma coleção de 178 imagens de documentos anotadas para treinar modelos que detetam assinaturas manuscritas. Dá suporte à verificação de documentos, à deteção de fraudes e à investigação arquivística, além de ser uma base prática para criar sistemas de análise inteligente de documentos com aprendizagem automática.
O conjunto de dados é transferido automaticamente (11,3 MB) dos recursos do GitHub da Ultralytics na primeira vez que treinas com
data="signature.yaml"— não é necessário transferi-lo manualmente. Para explorar outros conjuntos de dados, consulta a visão geral dos conjuntos de dados de deteção.O conjunto de dados de deteção de assinaturas 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. Consulta a secção Estrutura do conjunto de dados e a configuraçãosignature.yamlpara obteres mais informações.Podes treinar um modelo YOLO26n durante 100 épocas, com um tamanho de imagem de 640, usando Python ou a CLI:
Exemplo de treinofrom ultralytics import YOLO # Carregar um modelo pré-treinado model = YOLO("yolo26n.pt") # Treinar o modelo results = model.train(data="signature.yaml", epochs=100, imgsz=640)Para obteres mais informações, consulta a página de Treino e as dicas de treino de modelos.
Carrega os teus pesos ajustados e executa a previsão:
Exemplo de inferênciafrom ultralytics import YOLO # Carregar o modelo ajustado model = YOLO("path/to/best.pt") # Executar inferência results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)O conjunto de dados é disponibilizado ao abrigo da Licença AGPL-3.0, que permite o uso comercial desde que as obras derivadas — incluindo software disponibilizado através de uma rede — sejam disponibilizadas ao abrigo da mesma licença. Para conheceres as opções de licenciamento que eliminam os requisitos de código aberto, consulta o Licenciamento da Ultralytics.