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。
- 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:
- 下载
signature.yaml
来自的 dataset 配置文件 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("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:
- 文档验证:自动验证文档中是否存在真实的人工签名。
- 欺诈检测:识别法律和财务文件中伪造或欺诈性签名。
- 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。
- 教育: 支持计算机视觉和机器学习领域的学术研究和教学。
- 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:
- 加载您微调后的模型。
- 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.