Набор данных для обнаружения подписей#

178

signature

ultralytics

publicDetect

Signature contains scanned and photographed documents with single-class boxes around handwritten signatures. It supports signature localization before verification, fraud analysis, redaction, document indexing, and automated form processing across varied page layouts.

21 class22 MBSep 2, 2026

signature

Набор данных Ultralytics для обнаружения подписей — это набор данных для обнаружения объектов, состоящий из 178 изображений документов с аннотациями одного класса signature; данные заранее разделены на 143 обучающих и 35 валидационных изображений. Набор данных загружается автоматически (11.3 MB) при первой тренировке, предоставляя компактную отправную точку для приложений компьютерного зрения, например проверки документов, обнаружения мошенничества и цифровой обработки документов.

Структура набора данных#

Набор данных содержит 178 изображений документов разных типов с рукописными подписями, разделённых на две подвыборки:

На каждом изображении есть аннотации ограничивающих рамок одного класса — signature; в конфигурации не предусмотрена отдельная тестовая выборка.

Открой Signature на Ultralytics Platform, чтобы посмотреть изображения с наложенными аннотациями, изучить распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать набор данных для обучения собственной модели в облаке.

Применение#

Обученная на этом наборе данных модель может находить и отслеживать подписи в отсканированных документах и видео, что позволяет использовать её для:

• Проверка документов: автоматизация проверки подписей в юридических и финансовых документах
• Обнаружение мошенничества: выявление потенциально поддельных или несанкционированных подписей
• Цифровая обработка документов: оптимизация рабочих процессов в административной и юридической сферах
• Банковское дело и финансы: повышение безопасности обработки чеков и проверки кредитных документов
• Архивные исследования: помощь в анализе и каталогизации исторических документов
• Образование и исследования: изучение характеристик подписей в разных типах документов на курсах компьютерного зрения

Файл YAML набора данных#

Файл signature.yaml задаёт конфигурацию набора данных — пути к данным, названия классов и другие метаданные. Файл поддерживается в репозитории Ultralytics по адресу 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

Использование#

Чтобы обучить модель YOLO26n на наборе данных для обнаружения подписей в течение 100 эпох с размером изображения 640, используй приведённые примеры кода. Полный список доступных параметров см. на странице Обучение модели.

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

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

После обучения ты можешь запускать инференс на документах или видео с помощью дообученной модели. Пример ниже запускает предсказание на тестовом видео с порогом уверенности 0.75:

from ultralytics import YOLO

# Загрузить модель
model = YOLO("path/to/best.pt")  # загрузи дообученную модель для обнаружения подписей

# Инференс с использованием модели
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

Примеры изображений и аннотаций#

Набор данных охватывает различные форматы документов, помогая обученным моделям обобщать знания на договоры, формы и письма. Ниже показан обучающий батч из набора данных:

• Изображение с мозаичной композицией: Здесь показан тренировочный батч из изображений датасета, объединённых в мозаику. Мозаичная аугментация — метод обучения, при котором несколько изображений объединяются в одно, повышая разнообразие батча. Этот метод помогает модели лучше обобщать данные при разных размерах и соотношениях сторон подписей, а также в разных контекстах.

Цитирование и благодарности#

Датасет доступен по лицензии AGPL-3.0.

Если ты используешь датасет для обнаружения подписей в исследованиях или разработке, укажи ссылку на него:

@dataset{Ultralytics_Signature_Detection_Dataset_2024,
    author = {Ultralytics},
    title = {Signature Detection Dataset},
    year = {2024},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/signature}
}

Часто задаваемые вопросы#