跳转至内容

签名检测数据集

该数据集专注于检测文档中手写的签名。它包括各种带有注释签名的文档类型，为文档验证和欺诈检测等应用提供有价值的见解。对于训练计算机视觉算法至关重要，该数据集有助于识别各种文档格式中的签名，支持文档分析方面的研究和实际应用。

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注释。
  • 验证集：包含 35 张图像，每张图像都配有成对的注释。

应用

此数据集可应用于各种计算机视觉任务，例如目标检测、目标跟踪和文档分析。具体来说，它可以用于训练和评估用于识别文档中签名的模型，这在以下方面具有重要应用：

  • 文档验证： 自动化法律和金融文件的验证流程
  • 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: 精简行政和法律部门的工作流程
  • 银行和金融: 增强支票处理和贷款文件验证的安全性
  • 档案研究：支持历史文献分析和编目

此外，它还可以作为宝贵的教育资源，使学生和研究人员能够研究不同文档类型的签名特征。

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

用法

要在签名检测数据集上训练 YOLO11n 模型 100 个epoch，图像大小为 640，请使用提供的代码示例。 有关可用参数的完整列表，请参阅模型的训练页面。

训练示例

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

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)

# 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

Sample Images 和注释

签名检测数据集包含各种各样的图像，展示了不同的文档类型和带注释的签名。以下是数据集中图像的示例，每个图像都附带其相应的注释。

签名检测数据集示例图像

  • Mosaiced Image：在这里，我们展示了一个由镶嵌数据集图像组成的训练批次。镶嵌是一种训练技术，它将多个图像组合成一个图像，从而丰富了批次的多样性。此方法有助于增强模型在不同签名大小、纵横比和上下文中进行泛化的能力。

此示例说明了签名检测数据集中图像的多样性和复杂性，强调了在训练过程中包含镶嵌的好处。

引用和致谢

该数据集已根据 AGPL-3.0 许可证发布。

常见问题

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个带注释的图像集合，旨在检测各种文档类型中的人类签名。它可以应用于计算机视觉任务，如 目标检测 和跟踪，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上下文中的签名，使其对于 智能文档分析 中的研究和实际应用都具有价值。

如何在签名检测数据集上训练 YOLO11n 模型？

要在签名检测数据集上训练 YOLO11n 模型，请按照以下步骤操作：

  1. 下载 signature.yaml 来自的 dataset 配置文件 signature.yaml.
  2. 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("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

更多详情请参考训练页面。

签名检测数据集的主要应用有哪些？

签名检测数据集可用于：

  1. 文档验证：自动验证文档中是否存在真实的人工签名。
  2. 欺诈检测：识别法律和财务文件中伪造或欺诈性签名。
  3. 档案研究: 协助历史学家和档案管理员对历史文献进行数字化分析和编目。
  4. 教育: 支持计算机视觉和机器学习领域的学术研究和教学。
  5. 金融服务: 通过验证签名的真实性，增强银行交易和贷款处理的安全性。

如何使用在签名检测数据集上训练的模型执行推理？

要使用在签名检测数据集上训练的模型执行推理，请按照以下步骤操作：

  1. 加载您微调后的模型。
  2. 使用以下 python 脚本或 CLI 命令执行推理：

推理示例

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

签名检测数据集的结构是怎样的？在哪里可以找到更多信息？

签名检测数据集分为两个子集：

  • 训练集: 包含 143 张带有注释的图像。
  • 验证集: 包含 35 张带有标注的图像。

有关详细信息，请参阅 数据集结构 部分。此外，请在以下位置查看完整的数据集配置 signature.yaml 文件，该文件位于 signature.yaml.



📅 创建于 1 年前 ✏️ 更新于 5 个月前
glenn-jocher RizwanMunawar UltralyticsAssistant MatthewNoyce

评论