签名检测数据集

该数据集专注于检测文档中人类手写的签名。它包含多种带有标注签名的文档类型，为文档验证和欺诈检测等应用提供了宝贵的见解。该数据集对于训练计算机视觉算法至关重要，有助于在各种文档格式中识别签名，并支持文档分析领域的科研与实际应用。

数据集结构

签名检测数据集分为两个子集：

训练集：包含 143 张图像，每张图像都有相应的标注。
验证集：包含 35 张图像，每张图像都有成对的标注。

应用场景

该数据集可应用于多种计算机视觉任务，例如目标检测、目标跟踪和文档分析。具体而言，它可用于训练和评估识别文档签名的模型，这些模型在以下领域具有重要应用：

文档验证：实现法律和金融文档验证流程的自动化
欺诈检测：识别潜在的伪造或未经授权的签名
数字文档处理：简化行政和法律部门的工作流程
银行与金融：加强支票处理和贷款文档验证的安全性
档案研究：支持历史文档的分析和编目

此外，它还是教育领域的宝贵资源，使学生和研究人员能够研究不同文档类型中的签名特征。

数据集 YAML

YAML（Yet Another Markup Language）文件定义了数据集配置，包括路径和类别信息。对于签名检测数据集，signature.yaml 文件位于 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml。

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

使用方法

若要使用图像尺寸 640 在签名检测数据集上训练 YOLO26n 模型 100 个轮次，请参考提供的代码示例。有关可用参数的完整列表，请参阅该模型的训练页面。

训练示例

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)

推理示例

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)

样本图像和标注

签名检测数据集包含各种展示不同文档类型和标注签名的图像。以下是来自该数据集的图像示例，每张图像都附有相应的标注。

签名检测数据集示例图像

马赛克图像：此处展示了一个由马赛克数据集图像组成的训练批次。马赛克（Mosaicing）是一种训练技术，它将多张图像组合成一张，从而丰富了批次的多样性。该方法有助于提高模型在不同签名尺寸、长宽比和背景下的泛化能力。

此示例说明了签名检测数据集中图像的多样性和复杂性，并强调了在训练过程中加入马赛克技术的益处。

引文与致谢

该数据集根据 AGPL-3.0 License 发布。

常见问题 (FAQ)

什么是签名检测数据集，以及如何使用它？

签名检测数据集是一组经过标注的图像集，旨在检测各种文档类型中的人类签名。它可应用于目标检测和跟踪等计算机视觉任务，主要用于文档验证、欺诈检测和档案研究。该数据集有助于训练模型识别不同场景下的签名，使其在智能文档分析的科研和实际应用中极具价值。

如何使用签名检测数据集训练 YOLO26n 模型？

要使用签名检测数据集训练 YOLO26n 模型，请按照以下步骤操作：

Download the signature.yaml dataset configuration file from signature.yaml.
使用以下 Python 脚本或 CLI 命令开始训练：

训练示例

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)

有关更多详细信息，请参阅训练页面。