gbanyan/pdf_signature_extraction
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
0ff1845b225923a9523efc8bd53a259dbc32ce0a
pdf_signature_extraction/SAM3_RESEARCH_FINDINGS.md
T
gbanyan 939a348da4 Add Paper A (IEEE TAI) complete draft with Firm A-calibrated dual-method classification 
Paper draft includes all sections (Abstract through Conclusion), 36 references,
and supporting scripts. Key methodology: Cosine similarity + dHash dual-method
verification with thresholds calibrated against known-replication firm (Firm A).

Includes:
- 8 section markdown files (paper_a_*.md)
- Ablation study script (ResNet-50 vs VGG-16 vs EfficientNet-B0)
- Recalibrated classification script (84,386 PDFs, 5-tier system)
- Figure generation and Word export scripts
- Citation renumbering script ([1]-[36])
- Signature analysis pipeline (12 steps)
- YOLO extraction scripts

Three rounds of AI review completed (GPT-5.4, Claude Opus 4.6, Gemini 3 Pro).

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-06 23:05:33 +08:00

3.2 KiB
Raw Blame History

SAM3 手寫/印刷區域分割研究結果

測試環境

  • 服務器: Linux GPU (192.168.30.36)
  • CUDA: 13.0
  • Python: 3.12.3
  • SAM3 版本: 最新 (2025/11/20 發布)
  • 模型大小: 848M 參數

測試圖片

  • 來源: 會計師簽證報告 PDF 掃描頁面
  • 尺寸: 2481 x 3508 (測試時縮小到 1024 x 1447)
  • 內容: KPMG logo、中文印刷文字、手寫簽名 (3個)、紅色印章 (2個)

測試結果

高效檢測 (分數 > 0.5)

Prompt 區域數 最高分數 檢測結果
company logo 6 0.855 ✅ 準確檢測 KPMG logo
logo 8 0.853 ✅ 準確檢測 KPMG logo
stamp 24 0.705 ✅ 準確檢測兩個紅色印章

低效檢測 (分數 < 0.2)

Prompt 區域數 最高分數 檢測結果
handwritten signature 0 - ❌ 完全無法檢測
signature 0 - ❌ 完全無法檢測
handwriting 0 - ❌ 完全無法檢測
scribble 13 0.147 ⚠️ 低分數，位置不準確
Chinese characters 11 0.069 ⚠️ 非常低分數

完全無法檢測

  • handwritten text
  • written name
  • cursive writing
  • autograph
  • red stamp (但 stamp 可以)
  • calligraphy

關鍵發現

SAM3 優勢

  1. Logo 檢測: 非常準確 (0.85+ 分數)
  2. 印章檢測: 效果很好 (0.70+ 分數)
  3. 通用物體分割: 對自然場景中的物體效果優秀

SAM3 限制

  1. 無法識別手寫簽名: 這是最關鍵的發現

    • 各種 signature 相關的 prompt 分數都接近 0
    • SAM3 可能沒有在文件手寫簽名數據上訓練

  2. 中文手寫字體識別差:

    • Chinese handwritten characters 無響應
    • 可能因為訓練數據中缺乏中文手寫樣本

  3. 文件場景表現不佳:

    • SAM3 主要針對自然場景圖片
    • 對掃描文件、表格等場景支持有限

結論

SAM3 不適合作為手寫簽名提取的主要方案

原因:

  1. 無法有效識別「手寫簽名」概念
  2. 對中文手寫內容支持不足
  3. 在文件掃描場景下表現遠不如自然場景

建議保留當前方案

當前 PaddleOCR + OpenCV Method 3 方案 (86.5% 手寫保留率) 仍然是更好的選擇：

  • PaddleOCR: 專門針對文字識別訓練，可準確定位印刷文字
  • OpenCV: 通過遮罩和形態學處理有效分離手寫筆畫

SAM3 的潛在用途

雖然不適合手寫簽名提取，但 SAM3 可能用於：

  • 檢測並遮罩 Logo 區域
  • 檢測並排除印章干擾
  • 作為預處理步驟的補充工具

視覺化結果

保存的測試結果圖片：

  • sam3_stamp_result.png - 印章檢測 (高準確率)
  • sam3_logo_result.png - Logo 檢測 (高準確率)
  • sam3_scribble_result.png - Scribble 檢測 (低準確率)

後續建議

  1. 維持現有方案: PaddleOCR 2.7.3 + OpenCV Method 3
  2. 可選整合 SAM3: 用於 Logo/印章 檢測作為輔助
  3. 探索其他模型:
    • 專門的手寫檢測模型
    • 文件分析模型 (Document AI)
    • LayoutLM 等文件理解模型

測試日期: 2025-11-27 分支: sam3-research

Reference in New Issue View Git Blame Copy Permalink