gbanyan
939a348da4
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>
111 lines
3.2 KiB
Markdown
111 lines
3.2 KiB
Markdown
# 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*
|