Link to this section签名检测数据集#

Name: 签名检测数据集
Creator: Ultralytics
License: https://www.ultralytics.com/license
Keywords: 签名检测数据集, 签名检测, 文档验证, 欺诈检测, 目标检测, 计算机视觉, YOLO26, Ultralytics, 签名标注, 文档分析

Ultralytics 签名检测数据集是一个包含 178 张文档图像的目标检测数据集，标注了单一的 signature（签名）类别，预先划分为 143 张训练图像和 35 张验证图像。该数据集会在你首次训练时自动下载（11.3 MB），使其成为计算机视觉应用（如文档验证、欺诈检测和数字文档处理）的一个紧凑起点。

Link to this section数据集结构#

该数据集包含 178 张带有手写签名的各种文档类型图像，分为两个子集：

拆分	图像	描述
训练	143	用于模型训练的标注图像
验证	35	用于评估的留出图像

每张图像都带有针对一个类别 signature 的边界框（BBox）标注，且配置中未定义单独的测试集划分。

自动下载

签名检测数据集（11.3 MB）会在你首次训练时自动从 Ultralytics GitHub 资源下载，因此无需手动下载或准备。

访问 Ultralytics 平台上的签名数据集可以浏览带有标注叠加层的图像，在图表 (Charts) 选项卡中查看类别分布和边界框热力图，并将其克隆到云端以训练你自己的模型。

Link to this section应用#

在此数据集上训练的模型可以识别并追踪扫描文档和视频中的签名，支持：

文档验证：自动化处理法律和金融文档中的签名核对
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
教育与研究：在计算机视觉课程中研究各类文档中的签名特征

Link to this section数据集 YAML#

signature.yaml 文件定义了数据集的配置，包括数据集路径、类名和其他元数据。它维护在 Ultralytics 仓库中：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#

若要使用签名检测数据集训练一个 YOLO26n 模型，进行 100 个 epoch，且图像尺寸为 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)

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。以下示例演示了在置信度阈值为 0.75 的情况下对样本视频运行预测：

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#

该数据集涵盖了多种文档格式，有助于训练出的模型在合同、表格和信函中进行泛化。以下是来自该数据集的一个训练批次：

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。

Link to this section引用与致谢#

该数据集根据 AGPL-3.0 许可证发布。

如果你在研究或开发工作中使用签名检测数据集，请正确引用它：

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/}
}

The Signature Detection Dataset is a collection of 178 annotated document images for training models to detect handwritten signatures. It supports document verification, fraud detection, and archival research, and is a practical base for building smart document analysis systems with machine learning.

Link to this section我该如何下载签名检测数据集？#

当你首次使用 data="signature.yaml" 进行训练时，数据集会自动从 Ultralytics GitHub 资源下载（11.3 MB），无需手动下载。若要探索其他数据集，请浏览检测数据集概览。