README.md

手写文字擦除第1名方案，水印智能消除赛第1名方案

手写文字擦除第1名，水印智能消除赛第1名方案
比赛连接：手写文字擦除
比赛连接：水印智能消除赛

2024-04-23： 关于在比赛数据集之外效果差的问题: 比赛数据是合成的，不能模拟到真实场景，所以在真实场景中效果比较差，需要在私有数据集中进行finetune.

2024-04-12： 模型已上传，在https://github.com/zdyshine/Baidu-netdisk-AI-Image-processing-Challenge-handwriting/releases/tag/checkpoints

一、赛题背景

对比赛给定的带有手写痕迹的试卷图片进行处理，擦除相关的笔，还原图片原本的样子

二、数据分析

数据划分：使用1000张做为训练集，81张作为验证集。
官方提供了训练集1081对，测试集A、B各200张。包含以下几个特征：
1.图像分辨率普遍较大
2.手写字包含红黑蓝多种颜色，印刷字基本为黑色
3.手写字除了正常文字外，还包含手画的线段、图案等内容
4.试卷上的污渍、脏点也属于需要去除的内容
5.手写字和印刷字存在重叠

mask：根据原始图片和标签图像的差值来生成mask数据
计算RGB通道的平均差值
平均差值在20以上的设为 1
平均差值在20以下的设为 差值/20

三、模型设计

网络模型，是基于开源的EraseNet，然后整体改成了Paddle版本。同时也尝试了最新的PERT：一种基于区域的迭代场景文字擦除网络。基于对比实验，发现ErastNet，在本批次数据集上效果更好。从网络结构图上可以直观的看出ErastNet是多分支以及多阶段网络其中包括mask生成分支和两阶段图像生成分支。此外整个网络也都是基于多尺度结构。在损失函数上，原版的ErastNet使用了感知损失以及GAN损失。两个损失函数，是为了生成更加逼真的背景。但是本赛题任务的背景都是纯白，这两个损失是不需要的，可以直接去除。此外，由于ErastNet网络是由多尺度网络组成，结合去摩尔纹比赛的经验，我把ErastNet网络的Refinement替换成了去摩尔纹比赛使用的多尺度网络 双模型融合：
模型一：erasenet去掉判别器部分，仅保留生成器
模型二：erasenet二阶段网络使用基于Non-Local的深度编解码结构

四、训练细节

训练数据：
增强仅使用横向翻转和小角度旋转，保留文字的先验
随机crop成512x512的patch进行训练

训练分为两阶段：
第一阶段损失函数为dice_loss + l1 loss
第二阶段损失函数只保留l1 loss

五、测试细节

测试trick：
分块测试，把图像切分为512x512的小块进行预测，保持和训练一致
交错分块测试，测试图像增加镜像padding，且分块时边缘包含重复部分，每次预测仅保留每块预测结果的中心部分，这么做的原因是图像边缘信息较少，预测效果要差于中心部分 测试时对测试数据使用了横向的镜像增强
测试时将两个模型的预测结果进行融合

六、上分策略

七、其他

data：定义数据加载
loss：定义损失函数
model：定义网络模型
compute_mask.py：生成mask文件
test.py: 测试脚本
train.py: 训练脚本

代码运行:
1.指定数据文件夹
2.运行sh train.sh 生成mask并开始训练
3.指定测试文件夹和模型路径，执行sh test.sh开始测试

预训练模型

https://aistudio.baidu.com/aistudio/projectdetail/3439691
运行项目，下载预训练模型，同时可以进行在线测试。