Link to this section签名检测数据集#

此数据集专注于检测文档中的手写签名。它包含多种带有签名标注的文档类型，为文档验证和欺诈检测的应用提供了宝贵的见解。作为训练 computer vision 算法的核心资源，该数据集有助于识别各种文档格式中的签名，并支持文档分析领域的研究与实际应用。

Link to this section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，每张图像均配有相应的标注。
验证集：包含 35 张图像，每张图像均配有成对的标注。

Link to this section应用#

该数据集可应用于多种计算机视觉任务，例如 object detection、object tracking 以及文档分析。具体而言，它可以用于训练和评估识别文档中签名的模型，这在以下领域具有重要应用：

文档验证：实现法律和财务文档验证过程的自动化
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：增强支票处理和贷款文档验证过程的安全性
档案研究：支持历史文档的分析与编目

此外，它还是一个宝贵的教育资源，使学生和研究人员能够研究不同文档类型中的签名特征。

Link to this section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

Link to this section用法#

若要在签名检测数据集上使用 640 的图像尺寸训练 YOLO26n 模型 100 个 epochs，请使用提供的代码示例。有关可用参数的完整列表，请参阅该模型的 Training 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)

Link to this section样本图像和标注#

签名检测数据集包含多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，每张图像均附有相应的标注。

签名检测数据集示例图像

马赛克图像：在此，我们展示了一批由马赛克处理后的数据集图像组成的训练批次。马赛克（Mosaicing）是一种训练技术，它将多张图像合并为一张，从而丰富了批次的多样性。该方法有助于增强模型在处理不同签名尺寸、纵横比和上下文时的泛化能力。

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使用马赛克技术的优势。

Link to this section引用与致谢#

该数据集根据 AGPL-3.0 许可证发布。

Link to this section常见问题解答#

Link to this section什么是签名检测数据集，它有什么用途？#

签名检测数据集是一组标注图像的集合，旨在检测各种文档类型中的手写签名。它可应用于计算机视觉任务，如 object detection 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以识别不同上下文中的签名，使其对于 smart document analysis 领域的研究和实际应用都具有重要价值。

Link to this section如何使用签名检测数据集训练 YOLO26n 模型？#

若要使用签名检测数据集训练 YOLO26n 模型，请遵循以下步骤：

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)

更多详细信息，请参阅 Training 页面。