基于目标检测的手写区域定位
计算机视觉与模式识别
2026-02-23 v1
摘要
我们提出一种基于目标检测的方法来从文档中定位手写区域，其最初旨在增强数据传输过程中的匿名化。将包含印刷文本与手写笔记或签名的原始图像与预处理图像进行拼接融合后输入卷积神经网络，通过学习边界框来检测手写内容。随后，可对 handwritten 区域进行处理（例如替换为遮蔽签名）以隐藏个人可识别信息（PII）。该基于深度学习网络 Cascade R-CNN 的处理流水线在推理时于 GPU 上以 10 fps 运行，以最小的计算开销确保增强的匿名化。此外，经验表明其具有令人印象深刻的泛化能力：基于以英文为主的数据集训练的模型在虚构的未见过的发票上表现良好，即便为中文发票亦然。所提方法也有望促进其他任务，如手写识别和签名验证。
引用
@article{arxiv.2106.14989,
title = {Object Detection Based Handwriting Localization},
author = {Yuli Wu and Yucheng Hu and Suting Miao},
journal= {arXiv preprint arXiv:2106.14989},
year = {2026}
}
备注
ICDAR 2021 Workshop: Industrial Applications of Document Analysis and Recognition