Набор данных Signature Detection Dataset

Этот набор данных предназначен для обнаружения рукописных подписей в документах. Он включает в себя различные типы документов с аннотированными подписями, предоставляя ценную информацию для приложений в области проверки документов и обнаружения мошенничества. Этот набор данных, необходимый для обучения алгоритмов компьютерного зрения, помогает в идентификации подписей в различных форматах документов, поддерживая исследования и практическое применение в анализе документов.

Структура набора данных

Набор данных для обнаружения подписей разделен на два подмножества:

• Обучающий набор: Содержит 143 изображения, каждое с соответствующими аннотациями.
• Набор для валидации: Включает 35 изображений, каждое с парными аннотациями.

Приложения

Этот набор данных может применяться в различных задачах компьютерного зрения, таких как обнаружение объектов, отслеживание объектов и анализ документов. В частности, его можно использовать для обучения и оценки моделей для идентификации подписей в документах, что имеет важное значение в:

• Верификация документов: Автоматизация процесса проверки юридических и финансовых документов
• Обнаружение мошенничества: Выявление потенциально подделанных или несанкционированных подписей
• Цифровая обработка 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

Кроме того, он служит ценным ресурсом в образовательных целях, позволяя студентам и исследователям изучать характерные особенности различных типов документов.

YAML-файл набора данных

YAML-файл (Yet Another Markup Language) определяет конфигурацию набора данных, включая пути и информацию о классах. Для набора данных обнаружения подписей, signature.yaml файл находится 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 YOLO11n на наборе данных для обнаружения подписей в течение 100 эпох с размером изображения 640, используйте предоставленные примеры кода. Для получения полного списка доступных параметров обратитесь к странице Обучение модели.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=signature.yaml model=yolo11n.pt 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)

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/signature-s.mp4" conf=0.75

Примеры изображений и аннотации

Набор данных для обнаружения подписей включает в себя широкий спектр изображений, демонстрирующих различные типы документов и аннотированные подписи. Ниже приведены примеры изображений из набора данных, каждое из которых сопровождается соответствующими аннотациями.

• Мозаичное изображение: Здесь мы представляем обучающий пакет, состоящий из мозаичных изображений набора данных. Мозаика, метод обучения, объединяет несколько изображений в одно, обогащая разнообразие пакета. Этот метод помогает улучшить способность модели к обобщению для различных размеров подписи, соотношений сторон и контекстов.

Этот пример иллюстрирует разнообразие и сложность изображений в наборе данных Signature Detection Dataset, подчеркивая преимущества включения мозаики в процесс обучения.

Цитирование и благодарности

Набор данных выпущен и доступен под лицензией AGPL-3.0.

Часто задаваемые вопросы

Что такое набор данных Signature Detection Dataset и как его можно использовать?

Набор данных для обнаружения подписей представляет собой коллекцию аннотированных изображений, предназначенных для обнаружения человеческих подписей в различных типах документов. Он может применяться в задачах компьютерного зрения, таких как обнаружение объектов и отслеживание, в основном для проверки документов, обнаружения мошенничества и архивных исследований. Этот набор данных помогает обучать модели распознаванию подписей в различных контекстах, что делает его ценным как для исследований, так и для практического применения в интеллектуальном анализе документов.

Как обучить модель YOLO11n на наборе данных Signature Detection Dataset?

Чтобы обучить модель YOLO11n на датасете Signature Detection Dataset, выполните следующие действия:

1. Загрузите signature.yaml файл конфигурации датасета из signature.yaml.
2. Используйте следующий скрипт на языке python или команду CLI, чтобы начать обучение:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo11n.pt")

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

yolo detect train data=signature.yaml model=yolo11n.pt epochs=100 imgsz=640

Для получения более подробной информации обратитесь к странице Обучение.

Каковы основные области применения набора данных Signature Detection Dataset?

Набор данных для обнаружения подписей можно использовать для:

1. Проверка документов: Автоматическая проверка наличия и подлинности человеческих подписей в документах.
2. Обнаружение мошенничества: Выявление поддельных или мошеннических подписей в юридических и финансовых документах.
3. Архивные исследования: Оказание помощи историкам и архивистам в цифровом анализе и каталогизации исторических документов.
4. Образование: Поддержка академических исследований и преподавания в области компьютерного зрения и машинного обучения.
5. Финансовые услуги: Повышение безопасности банковских транзакций и обработки кредитов путем проверки подлинности подписи.

Как я могу выполнить инференс, используя модель, обученную на наборе данных Signature Detection Dataset?

Чтобы выполнить инференс с использованием модели, обученной на датасете Signature Detection Dataset, выполните следующие действия:

1. Загрузите вашу дообученную модель.
2. Используйте приведенный ниже скрипт python или команду CLI для выполнения инференса:

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)

yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/signature-s.mp4" conf=0.75

Какова структура набора данных Signature Detection Dataset и где я могу найти дополнительную информацию?

Набор данных Signature Detection Dataset разделен на два подмножества:

• Обучающий набор: Содержит 143 изображения с аннотациями.
• Набор для валидации: Включает 35 изображений с аннотациями.

Для получения подробной информации вы можете обратиться к Структура набора данных раздела. Кроме того, просмотрите полную конфигурацию набора данных в signature.yaml файле, расположенном по адресу signature.yaml.

📅 Создано 1 год назад ✏️ Обновлено 4 месяца назад

Комментарии