İmza Algılama Veri Kümesi#

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

Ultralytics İmza Algılama Veri Kümesi, tek bir signature sınıfıyla açıklanmış ve önceden 143 eğitim ile 35 doğrulama görüntüsüne ayrılmış 178 belge görüntüsünden oluşan bir nesne algılama veri kümesidir. Veri kümesi, ilk eğitiminde otomatik olarak indirilir (11,3 MB) ve belge doğrulama, dolandırıcılık tespiti ve dijital belge işleme gibi bilgisayarlı görü uygulamaları için küçük ve kullanışlı bir başlangıç noktası sunar.

Veri Kümesi Yapısı#

Veri kümesi, el yazısıyla atılmış imzalar içeren çeşitli belge türlerine ait 178 görüntüyü iki alt kümeye ayırarak içerir:

Her görüntü, signature adlı tek bir sınıf için sınırlayıcı kutu açıklamaları içerir ve yapılandırmada ayrı bir test bölümü tanımlanmamıştır.

Açıklama katmanlarıyla birlikte görüntülere göz atmak, Charts sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını incelemek ve bulutta kendi modelini eğitmek için klonlamak üzere Ultralytics Platform'daki İmza veri kümesini keşfet.

Uygulamalar#

Bu veri kümesi üzerinde eğitilmiş bir model, taranmış belgelerdeki ve videodaki imzaları belirleyip izleyebilir ve şu alanlarda destek sağlayabilir:

• Belge Doğrulama: Hukuki ve mali belgelerdeki imza kontrollerini otomatikleştirme
• Dolandırıcılık Tespiti: Olası sahte veya yetkisiz imzaları belirleme
• Dijital Belge İşleme: İdari ve hukuki sektörlerdeki iş akışlarını kolaylaştırma
• Bankacılık ve Finans: Çek işlemlerinde ve kredi belgelerinin doğrulanmasında güvenliği artırma
• Arşiv Araştırmaları: Tarihî belge analizini ve kataloglamayı destekleme
• Eğitim ve Araştırma: Bilgisayarlı görü derslerinde farklı belge türlerindeki imza özelliklerini inceleme

Veri Kümesi YAML Dosyası#

signature.yaml dosyası, veri kümesi yollarını, sınıf adlarını ve diğer meta verileri içeren veri kümesi yapılandırmasını tanımlar. Dosya, Ultralytics deposunda https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml konumunda tutulur.

# 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

Kullanım#

İmza Algılama Veri Kümesi üzerinde bir YOLO26n modelini 100 epoch boyunca ve 640 görüntü boyutuyla eğitmek için sağlanan kod örneklerini kullan. Kullanılabilir parametrelerin kapsamlı listesi için modelin Eğitim sayfasına bak.

from ultralytics import YOLO

# Bir model yükle
model = YOLO("yolo26n.pt")  # Önceden eğitilmiş bir model yükle (eğitim için önerilir)

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

Eğitim tamamlandıktan sonra ince ayar yapılmış modelle belgeler veya videolar üzerinde çıkarım çalıştırabilirsin. Aşağıdaki örnek, 0.75 güven eşiğiyle örnek bir video üzerinde tahmin çalıştırır:

from ultralytics import YOLO

# Bir model yükle
model = YOLO("path/to/best.pt")  # ince ayar yapılarak eğitilmiş bir imza algılama modelini yükle

# Modeli kullanarak çıkarım yap
results = model.predict("https://ultralytics.com/assets/signature-s.mp4", conf=0.75)

Örnek Görüntüler ve Ek Açıklamalar#

Veri kümesi, çeşitli belge biçimlerini kapsayarak eğitilmiş modellerin sözleşme, form ve mektuplara genelleme yapmasına yardımcı olur. Aşağıda veri kümesinden bir eğitim grubu gösterilmiştir:

• Mozaiklenmiş Görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubu sunuyoruz. Bir eğitim tekniği olan mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek grup çeşitliliğini artırır. Bu yöntem, modelin farklı imza boyutlarına, en-boy oranlarına ve bağlamlara genelleme yeteneğini geliştirmeye yardımcı olur.

Atıflar ve Teşekkürler#

Veri kümesi AGPL-3.0 Lisansı kapsamında sunulmuştur.

İmza Tespiti Veri Kümesi'ni araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen uygun şekilde kaynak göster:

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

Sık Sorulan Sorular#