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, содержащий 178 изображений документов с разметкой для одного класса signature, заранее разделённых на 143 обучающих и 35 валидационных изображений. Набор данных автоматически загружается (11,3 МБ) при первом запуске обучения, что делает его компактной отправной точкой для приложений компьютерного зрения, таких как проверка документов, обнаружение мошенничества и цифровая обработка документов.

Структура датасета#

Набор данных содержит 178 изображений документов разных типов с рукописными подписями, разделённых на два поднабора:

Каждое изображение содержит аннотации ограничивающих рамок для одного класса — signature, а конфигурация не предусматривает отдельного тестового поднабора.

Открой Signature на платформе Ultralytics, чтобы просмотреть изображения с наложенной разметкой, изучить распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать набор и обучить собственную модель в облаке.

Применения#

Модель, обученная на этом наборе данных, может обнаруживать и отслеживать подписи в отсканированных документах и видео, поддерживая следующие задачи:

• 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 при обработке чеков и проверке кредитной документации
• Архивные исследования: поддержка анализа и каталогизации исторических документов
• Образование и исследования: изучение характеристик подписей в документах разных типов на курсах по компьютерному зрению

YAML датасета#

Файл signature.yaml определяет конфигурацию набора данных — пути к данным, имена классов и другие метаданные. Он 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 обучения модели.

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)

После обучения ты можешь запускать инференс на документах или видео с помощью дообученной модели. В приведённом ниже примере выполняется предсказание на тестовом видео с порогом уверенности 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)

Примеры изображений и аннотаций#

Набор данных охватывает различные форматы документов, помогая обученным моделям обобщать знания на контракты, формы и письма. Ниже показана обучающая батчевая выборка из набора данных:

• Мозаичное изображение: здесь представлена обучающая батчевая выборка, состоящая из мозаичных изображений набора данных. Мозаицирование — это метод обучения, при котором несколько изображений объединяются в одно, повышая разнообразие батчей. Этот метод помогает улучшить способность модели обобщать знания для подписей разного размера, соотношения сторон и контекста.

Цитирование и благодарности#

Датасет доступен по лицензии AGPL-3.0.

Если ты используешь набор данных для обнаружения подписей в исследовательской или разработческой работе, пожалуйста, корректно укажи его в цитировании:

@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#