Link to this sectionНабор данных для обнаружения подписей#

Набор данных Ultralytics Signature Detection — это набор данных для обнаружения объектов, состоящий из 178 изображений документов с аннотациями для одного класса signature, предварительно разделенных на 143 изображения для обучения и 35 для валидации. Набор данных скачивается автоматически (11,3 МБ) при первом запуске обучения, что делает его компактной отправной точкой для приложений компьютерного зрения, таких как верификация документов, обнаружение мошенничества и обработка цифровых документов.

Link to this sectionСтруктура набора данных#

Набор данных содержит 178 изображений различных типов документов с рукописными подписями, разделенных на две подвыборки:

Каждое изображение содержит аннотации в виде ограничивающих рамок для одного класса — signature, а конфигурация не предусматривает отдельной тестовой выборки.

Изучи Signature на платформе Ultralytics, чтобы просмотреть изображения с наложенными аннотациями, увидеть распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать его для обучения собственной модели в облаке.

Link to this sectionПрименение#

Модель, обученная на этом наборе данных, может распознавать и отслеживать подписи в отсканированных документах и видео, обеспечивая:

• Верификация документов: Автоматизация проверки подписей в юридических и финансовых документах
• Обнаружение мошенничества: выявление потенциально поддельных или неавторизованных подписей
• Обработка цифровых документов: оптимизация рабочих процессов в административном и юридическом секторах
• 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 различных типах документов в рамках курсов по компьютерному зрению

Link to this sectionYAML набора данных#

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

Link to this sectionИспользование#

Чтобы обучить модель YOLO26n на наборе данных Signature Detection в течение 100 эпох с размером изображения 640, используй предоставленные примеры кода. Полный список доступных параметров представлен 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 выполнять вывод на документах или видео с использованием дообученной модели. В примере ниже показано выполнение предсказания 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)

Link to this sectionПримеры изображений и аннотации#

Набор данных охватывает множество форматов документов, помогая обученным моделям обобщать данные для контрактов, форм и писем. Ниже представлен обучающий пакет из этого набора данных:

• Мозаичное изображение: здесь мы представляем обучающий пакет, состоящий из мозаичных изображений набора данных. Мозаика — это метод обучения, который объединяет несколько изображений в одно, обогащая разнообразие пакета. Этот метод помогает повысить способность модели к обобщению при работе с подписями разных размеров, соотношений сторон и контекстов.

Link to this sectionЦитирование и благодарности#

Набор данных доступен по лицензии AGPL-3.0 License.

Если ты используешь набор данных Signature Detection в своей исследовательской или проектной работе, пожалуйста, укажи соответствующую ссылку:

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

Link to this sectionFAQ#

Link to this sectionДля чего используется набор данных Signature Detection?#

Набор данных Signature Detection — это коллекция из 178 аннотированных изображений документов для обучения моделей обнаружению рукописных подписей. Он поддерживает верификацию документов, обнаружение мошенничества и архивные исследования, являясь практической базой для создания систем интеллектуального анализа документов с помощью машинного обучения.

Link to this sectionКак скачать набор данных Signature Detection?#

Набор данных скачивается автоматически (11,3 МБ) из ресурсов Ultralytics на GitHub при первом запуске обучения с параметром data="signature.yaml" — ручное скачивание не требуется. Чтобы изучить другие наборы данных, ознакомься с обзором наборов данных для обнаружения.

Link to this sectionСколько изображений и классов содержится в наборе данных Signature Detection?#

Набор данных Signature Detection содержит 143 изображения для обучения и 35 для валидации (всего 178), каждое из которых аннотировано одним классом — signature. Отдельной тестовой выборки нет. Подробности см. в разделе Структура набора данных и конфигурации signature.yaml.

Link to this sectionКак обучить модель YOLO26n на наборе данных для обнаружения подписей?#

Ты можешь обучить модель YOLO26n в течение 100 эпох с размером изображения 640, используя Python или 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)

Для получения дополнительной информации обратись к странице обучения и советам по обучению моделей.

Link to this sectionКак выполнить вывод (инференс) с помощью модели, обученной на наборе данных Signature Detection?#

Загрузи свои дообученные веса и запусти предсказание:

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 sectionМогу ли я использовать набор данных Signature Detection в коммерческих проектах?#

Набор данных выпущен под лицензией AGPL-3.0, которая разрешает коммерческое использование при условии, что производные работы, включая программное обеспечение, предлагаемое через сеть, предоставляются на тех же лицензионных условиях. Варианты лицензирования, снимающие требования открытого исходного кода, см. в разделе Лицензирование Ultralytics.