İmza Algılama Veri Kümesi#

Ultralytics Signature Detection Dataset, tek bir signature sınıfıyla etiketlenmiş 178 belgesel görüntüden oluşan ve önceden 143 eğitim ile 35 doğrulama görüntüsü olarak bölünmüş bir object detection veri setidir. Veri seti ilk eğitiminde otomatik olarak indirilir (11.3 MB), bu da onu belge doğrulama, dolandırıcılık tespiti ve dijital belge işleme gibi computer vision uygulamaları için kompakt bir başlangıç noktası yapar.

Veri Kümesi Yapısı#

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

Her görüntü bir sınıf için (signature) sınırlayıcı kutu etiketleri taşır ve yapılandırma ayrı bir test bölünmesi tanımlamaz.

Görüntüleri etiket katmanlarıyla birlikte incelemek, Grafikler sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görüntülemek ve bulutta kendi modelinizi eğitmek üzere kopyalamak için Signature on Ultralytics Platform adresini keşfedin.

Uygulamalar#

Bu veri setinde eğitilmiş bir model, taranmış belgelerde ve videolarda imzaları tanımlayabilir ve takip edebilir; şunları 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

Veri Kümesi YAML#

signature.yaml dosyası veri seti yapılandırmasını tanımlar; veri seti yolları, sınıf adları ve diğer meta veriler. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml adresindeki Ultralytics deposunda 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#

Signature Detection Dataset üzerinde 640 görüntü boyutuyla 100 epochs boyunca bir YOLO26n modeli eğitmek için sağlanan kod örneklerini kullan. Mevcut parametrelerin kapsamlı bir listesi için modelin Training sayfasına göz at.

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)

Eğitildikten sonra, ince ayarı yapılmış modelle belgeler veya videolar üzerinde çıkarım çalıştırabilirsiniz. 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)

Örnek 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.

Alıntılar ve Teşekkür#

Veri seti 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/}
}

SSS#

Signature Detection Dataset ne için kullanılır?#

Signature Detection Dataset, el yazısı imzaları tespit etmek üzere modeller eğitmek için 178 etiketli belge görüntüsünden oluşan bir koleksiyondur. Belge doğrulama, dolandırıcılık tespiti ve arşiv araştırmalarını destekler ve machine learning ile smart document analysis sistemleri oluşturmak için pratik bir temeldir.

Signature Detection Dataset'i nasıl indirebilirim?#

data="signature.yaml" ile ilk kez eğitim yaptığınızda veri seti Ultralytics GitHub varlıklarından otomatik olarak indirilir (11,3 MB); manuel indirme gerekmez. Diğer veri setlerini keşfetmek için tespit veri setleri genel bakışı sayfasına göz atın.

Signature Detection Dataset'te kaç görüntü ve sınıf var?#

Signature Detection Dataset, her biri tek bir sınıf (signature) ile etiketlenmiş, toplamda 178 olmak üzere 143 eğitim ve 35 doğrulama görüntüsü içerir. Ayrı bir test bölünmesi yoktur. Ayrıntılar için Veri Seti Yapısı bölümüne ve signature.yaml yapılandırmasına bakın.

İmza 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 eğitimi ipuçlarına bakın.

Signature Detection Dataset ile eğitilmiş bir modelle nasıl çıkarım yapabilirim?#

İnce ayarı yapılmış ağırlıklarınızı yükleyin ve tahmin çalıştırın:

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)

Signature Detection Dataset'i ticari projelerde kullanabilir miyim?#

Veri seti, ağ üzerinden sunulan yazılımlar dahil olmak üzere türev çalışmaların aynı lisans altında sunulması koşuluyla ticari kullanıma izin veren AGPL-3.0 Lisansı altında yayınlanmıştır. Açık kaynak gereksinimlerini kaldıran lisanslama seçenekleri için Ultralytics Lisanslama sayfasına bakın.