签名检测数据集#

178

signature

ultralytics

publicDetect

Signature contains scanned and photographed documents with single-class boxes around handwritten signatures. It supports signature localization before verification, fraud analysis, redaction, document indexing, and automated form processing across varied page layouts.

21 class22 MBSep 2, 2026

signature

Ultralytics 签名检测数据集是一个目标检测数据集，包含 178 张经过标注的文档图像，带有单个 signature 类别，并预先划分为 143 张训练图像和 35 张验证图像。数据集会在你首次训练时自动下载（11.3 MB），是文档验证、欺诈检测和数字文档处理等计算机视觉应用的紧凑型起点。

数据集结构#

该数据集包含 178 张带有手写签名的不同类型文档图像，分为两个子集：

每张图像都带有一个类别的边界框标注，即 signature，配置中未定义单独的测试集划分。

在 Ultralytics Platform 上探索 Signature，浏览带有标注叠加层的图像，在 Charts 选项卡中查看类别分布和边界框热力图，并克隆该数据集以在云端训练你自己的模型。

应用#

使用该数据集训练的模型可以在扫描文档和视频中识别并跟踪签名，支持以下应用：

• 文档验证：自动执行法律和金融文档中的签名检查
• 欺诈检测：识别可能伪造或未经授权的签名
• 数字文档处理：简化行政和法律领域的工作流程
• 银行与金融：提高支票处理和贷款文档验证的安全性
• 档案研究：支持历史文档分析和编目
• 教育与研究：在计算机视觉课程中研究不同文档类型中的签名特征

数据集 YAML#

signature.yaml 文件定义了数据集配置，包括数据集路径、类别名称和其他元数据。该文件维护在 Ultralytics 仓库中，位于 https://github.com/ultralytics/ultralytics/blob/main/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#

要在签名检测数据集上使用图像大小 640 训练一个 YOLO26n 模型，训练 100 个 epochs，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。

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)

训练完成后，你可以使用微调后的模型对文档或视频运行推理。下面的示例以 0.75 的置信度阈值对示例视频运行预测：

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)

示例图像和标注#

该数据集涵盖多种文档格式，有助于训练后的模型在合同、表格和信件之间实现泛化。下面是该数据集中的一个训练批次：

• 拼接图像：这里展示了一个由拼接数据集图像组成的训练批次。拼接是一种训练技术，可将多张图像合并为一张，从而丰富批次多样性。这种方法有助于增强模型对不同签名尺寸、宽高比和上下文的泛化能力。

引用和致谢#

该数据集已根据 AGPL-3.0 许可证公开。

如果你在研究或开发工作中使用签名检测数据集，请进行适当引用：

@dataset{Ultralytics_Signature_Detection_Dataset_2024,
    author = {Ultralytics},
    title = {Signature Detection Dataset},
    year = {2024},
    publisher = {Ultralytics},
    url = {https://docs.ultralytics.com/datasets/detect/signature}
}

常见问题#