Datasets:
license: apache-2.0
task_categories:
- object-detection
language:
- pt
tags:
- roboflow
- signature
pretty_name: Handwritten Signature
size_categories:
- 1K<n<10K
configs:
- config_name: full
data_files:
- split: train
path: full/train-*
- split: validation
path: full/validation-*
- split: test
path: full/test-*
default: true
dataset_info:
config_name: full
features:
- name: image_id
dtype: int64
- name: image
dtype: image
- name: width
dtype: int32
- name: height
dtype: int32
- name: objects
sequence:
- name: id
dtype: int64
- name: area
dtype: int64
- name: bbox
sequence: float32
length: 4
- name: category
dtype:
class_label:
names:
'0': signature
splits:
- name: train
num_bytes: 114346924.72
num_examples: 1980
- name: validation
num_bytes: 18085018
num_examples: 420
- name: test
num_bytes: 18307713
num_examples: 419
download_size: 146763157
dataset_size: 150739655.72
Descrição do Dataset
Este conjunto de dados combina o conjunto de dados Tobacco800 e o signatures-xc8up para criar uma coleção abrangente para treinar modelos de detecção de assinaturas. Ele contém imagens anotadas para detecção de assinaturas manuscritas em vários tipos de documentos.
Link para o Roboflow Universe: Signature Detection
Componentes do Dataset
-
- Subconjunto da Coleção de Teste de Processamento de Imagens de Documentos Complexos (CDIP).
- Contém imagens digitalizadas de documentos relacionados à indústria do tabaco, criadas pelo Instituto de Tecnologia de Illinois.
-
- Parte do Roboflow 100, uma iniciativa da Intel.
- Inclui 368 imagens anotadas para detecção de assinaturas manuscritas.
Ambos foram unificados para fornecer uma base robusta e diversificada para tarefas de detecção de objetos.
Detalhes do Dataset
Divisão do Dataset:
- Treinamento: 1.980 imagens (70%)
- Validação: 420 imagens (15%)
- Teste: 419 imagens (15%)
Resolução:
- Todas as imagens foram redimensionadas para 640x640 pixels.
Formato: COCO JSON
Licança: Apache 2.0
Pré-processamento e Aumentações
Pré-processamento:
- Auto-Orientação: Aplicado
- Redimensionamento: 640x640 pixels
Aumentações Aplicadas:
- Rotação de 90°: Sentido horário, anti-horário e de cabeça para baixo
- Rotação: Entre -10° e +10°
- Cisalhamento: ±4° Horizontal, ±3° Vertical
- Brilho: Entre -8% e +8%
- Exposição: Entre -13% e +13%
- Desfoque: Até 1,1 pixels
- Ruído: Até 0,97% dos pixels
Estas etapas foram implementadas para aumentar a robustez do modelo e sua capacidade de generalização.
Como Usar com a Biblioteca Datasets
Este dataset está disponível na Hugging Face Hub e pode ser carregado diretamente usando a biblioteca datasets.
Instalação da Biblioteca
pip install datasets
Carregando o Dataset
from datasets import load_dataset
dataset = load_dataset("samuellimabraz/signature-detection")
# Visualizar uma amostra
print(dataset["train"][0])
Exemplo de Uso
import matplotlib.pyplot as plt
import random
# Carregar o dataset
dataset = load_dataset("samuellimabraz/signature-detection")
# Visualizar uma imagem de exemplo
sample = random.choice(dataset["train"])
image = sample["image"]
annotations = sample["annotations"]
plt.imshow(image)
plt.title("Exemplo com Anotações")
plt.show()
Licença
O dataset é distribuído sob a licença Apache 2.0. Você é livre para usar, modificar e distribuir o dataset, contanto que cumpra com os termos da licença.