签名检测数据集

Q: How do I train a YOLO11n model on the Signature Detection Dataset?

要在签名检测数据集上训练 YOLO11n 模型，请按照以下步骤操作：有关详细信息，请参阅训练页面。

Q: What are the main applications of the Signature Detection Dataset?

签名检测数据集可用于：

Q: What is the structure of the Signature Detection Dataset, and where can I find more information?

签名检测数据集分为两个子集：详细信息请参阅数据集结构部分。此外，还可在 signature.yaml 文件中查看完整的数据集配置。

该数据集主要用于检测文档中的人类书面签名。它包括各种带有签名注释的文档类型，为文档验证和欺诈检测应用提供了宝贵的见解。该数据集对计算机视觉算法的训练至关重要，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三个子集：

训练集：包含 143 幅图像，每幅图像都有相应的注释。
验证集：包括 35 幅图像，每幅图像都有配对注释。

应用

该数据集可用于各种计算机视觉任务，如物体检测、物体跟踪和文档分析。具体来说，它可用于训练和评估识别文档中签名的模型，这些模型可应用于文档验证、欺诈检测和档案研究。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和了解不同文档类型中签名的特征和行为。

数据集 YAML

YAML（另一种标记语言）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，YAML 文件中的 signature.yaml 文件位于 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/signature.yaml.

ultralytics/cfg/datasets/signature.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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 (11.2 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: ../datasets/signature # dataset root dir
train: train/images # train images (relative to 'path') 143 images
val: valid/images # 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

要在图像大小为 640 的签名检测数据集上对 YOLO11n 模型进行 100次历时训练，请使用所提供的代码示例。有关可用参数的完整列表，请参阅模型的 "训练"页面。

列车示例

PythonCLI

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

PythonCLI

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

图片和注释示例

签名检测数据集包含各种图像，展示了不同的文件类型和带注释的签名。以下是数据集中的图像示例，每张图像都附有相应的注释。

签名检测数据集样本图像

镶嵌图像在这里，我们展示了一个由镶嵌数据集图像组成的训练批次。马赛克是一种训练技术，可将多幅图像合成一幅，从而丰富批次的多样性。这种方法有助于增强模型在不同特征尺寸、长宽比和背景下的泛化能力。

这个例子说明了特征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使用马赛克的好处。

引文和致谢

该数据集根据AGPL-3.0 许可发布。

常见问题

什么是签名检测数据集，如何使用？

签名检测数据集是一个注释图像集，旨在检测各种文档类型中的人类签名。它可应用于对象检测和跟踪等计算机视觉任务，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识别不同背景下签名的模型，因此对研究和实际应用都很有价值。

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 数据集配置文件 signature.yaml.
使用以下Python 脚本或CLI 命令开始训练：

列车示例

PythonCLI

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

有关详细信息，请参阅培训页面。