边缘原生手写成绩单数字化：一种混合启发式-深度学习框架
计算机视觉与模式识别
2025-12-22 v2
摘要
结构化手写文档（如学生成绩单）的数字化仍面临表格结构不规则和手写体系综合复杂的双重挑战。虽然近期基于Transformer的表格方法如TableNet和TrOCR取得了最先进的准确率，但其高计算成本使其不适用于资源受限的边缘部署。本文引入一种资源高效的混合框架，将用于快速表格结构检测的启发式OpenCV管道与修改版轻量级YOLOv8架构集成，用于手写字符识别。通过 strategically 删除标准YOLOv8主干网络中的SPPF和深层C2f层，我们在保持高识别精度的同时降低了计算开销。在EMNIST数字基准测试上，实验结果表明，我们的修改版YOLOv8模型实现了97.5%的准确率。此外，我们提供了详尽的效率分析，表明本框架在标准OCR管道中实现了95倍的推理加速，相较于新兴的大型多模态模型（LMM）如Qwen2.5-VL，实现了巨大的效率提升，在标准CPU硬件上实现29 FPS的实时性能。对AMES数据集进行的定性和定量评估确认了该系统在处理混合字母数字内容方面的鲁健性，弥合了高性能深度学习与实际可扩展文档自动化之间的差距。
引用
@article{arxiv.2508.16295,
title = {Edge-Native Digitization of Handwritten Marksheets: A Hybrid Heuristic-Deep Learning Framework},
author = {Md. Irtiza Hossain and Junaid Ahmed Sifat and Abir Chowdhury},
journal= {arXiv preprint arXiv:2508.16295},
year = {2025}
}