Link to this sectionİmza Algılama Veri Kümesi#

The Ultralytics Signature Detection Dataset is an object detection dataset of 178 document images annotated with a single signature class, pre-split into 143 training and 35 validation images. The dataset downloads automatically (11.3 MB) the first time you train, making it a compact starting point for computer vision applications such as document verification, fraud detection, and digital document processing.

Link to this sectionVeri Kümesi Yapısı#

Veri kümesi, el yazısı imzalar içeren çeşitli belge türlerine ait 178 görüntü içerir ve iki alt kümeye ayrılmıştır:

Her görüntü, tek bir sınıf olan signature için sınırlayıcı kutu etiketlerine sahiptir ve yapılandırmada ayrı bir test kümesi tanımlanmamıştır.

Görüntüleri etiket katmanlarıyla incelemek, Charts sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görüntülemek ve bulutta kendi modelinizi eğitmek üzere kopyalamak için Ultralytics Platformu'ndaki Signature sayfasını keşfedin.

Link to this sectionUygulamalar#

Bu veri kümesi üzerinde eğitilen bir model, taranmış belgelerdeki ve videolardaki imzaları tanımlayabilir ve takip edebilir, ayrıca aşağıdakileri destekler:

• Belge Doğrulama: Hukuki ve finansal belgelerdeki imza kontrollerini otomatikleştirmek
• Sahtecilik Tespiti: Potansiyel olarak sahte veya yetkisiz imzaları tanımlama
• Dijital Belge İşleme: İdari ve hukuki sektörlerde iş akışlarını kolaylaştırma
• Bankacılık ve Finans: Çek işleme ve kredi belgesi doğrulama işlemlerinde güvenliği artırma
• Arşiv Araştırması: Tarihi belge analizi ve kataloglamayı destekleme
• Eğitim ve Araştırma: Bilgisayarlı görü derslerinde belge türlerine göre imza özelliklerini incelemek

Link to this sectionVeri Kümesi YAML#

signature.yaml dosyası veri kümesi yapılandırmasını — veri kümesi yolları, sınıf adları ve diğer meta veriler — tanımlar. Bu dosya, https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml adresindeki Ultralytics deposunda barındırılmaktadır.

# 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 sectionKullanım#

To train a YOLO26n model on the Signature Detection Dataset for 100 epochs with an image size of 640, use the provided code samples. For a comprehensive list of available parameters, refer to the model's Training page.

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)

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

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 sectionÖrnek Görüntüler ve Ek Açıklamalar#

Veri kümesi çeşitli belge formatlarını kapsar ve eğitilen modellerin sözleşmeler, formlar ve mektuplar arasında genelleme yapmasına yardımcı olur. Aşağıda veri kümesinden bir eğitim grubu bulunmaktadır:

• Mozaik Görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubu sunuyoruz. Bir eğitim tekniği olan mozaikleme, birden fazla görüntüyü birleştirerek yığın çeşitliliğini zenginleştirir. Bu yöntem, modelin farklı imza boyutları, en boy oranları ve bağlamlar arasında genelleme yapma yeteneğini geliştirmeye yardımcı olur.

Link to this sectionAlıntılar ve Teşekkür#

Veri kümesi, AGPL-3.0 Lisansı altında kullanıma sunulmuştur.

Signature Detection Dataset'i araştırma veya geliştirme çalışmalarında kullanırsan, lütfen uygun şekilde atıfta bulun:

@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 sectionSSS#

Link to this sectionSignature Detection Dataset ne için kullanılır?#

The Signature Detection Dataset is a collection of 178 annotated document images for training models to detect handwritten signatures. It supports document verification, fraud detection, and archival research, and is a practical base for building smart document analysis systems with machine learning.

Link to this sectionSignature Detection Dataset'i nasıl indirebilirim?#

Veri kümesi, data="signature.yaml" ile ilk eğitimini başlattığında Ultralytics GitHub varlıklarından otomatik olarak (11.3 MB) indirilir — manuel indirme gerekmez. Diğer veri kümelerini keşfetmek için algılama veri kümeleri genel bakışına göz at.

Link to this sectionSignature Detection Dataset'te kaç görüntü ve sınıf var?#

Signature Detection Dataset, her biri tek bir signature sınıfıyla etiketlenmiş, toplam 178 adet olmak üzere 143 eğitim ve 35 doğrulama görüntüsü içerir. Ayrı bir test kümesi yoktur. Ayrıntılar için Veri Kümesi Yapısı bölümüne ve signature.yaml yapılandırmasına bak.

Link to this sectionİmza Algılama Veri Kümesi üzerinde bir YOLO26n modelini nasıl eğitirim?#

Python veya CLI kullanarak 640 görüntü boyutu ile 100 dönem boyunca bir YOLO26n modeli eğitebilirsin:

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)

Daha fazla ayrıntı için Eğitim sayfasına ve model eğitim ipuçlarına bak.

Link to this sectionSignature Detection Dataset ile eğitilmiş bir modelle nasıl çıkarım yapabilirim?#

İnce ayar yapılmış ağırlıklarını yükle ve tahmin işlemini çalıştır:

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 sectionSignature Detection Dataset'i ticari projelerde kullanabilir miyim?#

Veri kümesi, türetilmiş çalışmaların — bir ağ üzerinden sunulan yazılımlar dahil — aynı lisans altında kullanılabilir hale getirilmesi koşuluyla ticari kullanıma izin veren AGPL-3.0 Lisansı altında yayımlanmıştır. Açık kaynak gereksinimlerini kaldıran lisanslama seçenekleri için Ultralytics Lisanslama sayfasına bak.