---
title: seal-segmentation-unet
canonical_url: "https://www.modelscope.cn/models/kfcVme50/seal-segmentation-unet"
md_url: "https://www.modelscope.cn/models/kfcVme50/seal-segmentation-unet.md"
repository: kfcVme50/seal-segmentation-unet
chinese_name: seal-segmentation-unet
last_updated: 2026-11-04
pipeline_tag: semantic-segmentation
tasks:
  - semantic-segmentation
language:
  - zh
downloads: 0
stars: 1
tags:
  - seal-segmentation
  - unet
  - document-analysis
---

# seal-segmentation-unet

> seal-segmentation-unet - kfcVme50 在 ModelScope 开源的模型。本模型用于从已裁剪的印章区域中提取印章墨迹，输入为印章裁剪图，输出为与图像对应的二值掩膜；掩膜前景包括印章文字、边框和中心图案。模型采用约 48.8 万参数的轻量 U-Net，通过合成中文底字等背景训练，以增强对背景干扰的适应能力。它既不是整页印章检测器，也不能识别文字或恢复被遮挡的笔画。

- **Repository**: kfcVme50/seal-segmentation-unet
- **Tasks**: semantic-segmentation
- **Tags**: seal-segmentation, unet, document-analysis
- **Downloads**: 0
- **Stars**: 1
- **Last updated**: 2026-11-04

Source: https://www.modelscope.cn/models/kfcVme50/seal-segmentation-unet

---

# 印章墨迹分割

从印章裁剪图中分离墨迹，输出与输入同尺寸的二值掩膜。白色对应印章文字、边框和中心图案，黑色对应背景。Small U-Net 有 488,001 个参数，PyTorch 权重约 1.96 MB。

## CPU 推理

在下载后的仓库目录中运行：

```bash
pip install -r requirements.txt
python predict.py --image /path/to/seal_crop.png --output mask.png --threads 4
```

脚本按比例缩放并填充输入，将预测概率映射回原尺寸，再以 0.5 为阈值生成掩膜。该掩膜可用于提取印章墨迹。

## 数据与结果

S002 训练 200 轮，按验证 Dice 选中第 178 轮。测试按近重复组划分，指标在 384×384 网格上计算。合成中文底字用于检验文字干扰下的分割效果。

| 划分 | 图像/掩膜对 | 近重复组 |
| --- | ---: | ---: |
| 训练 | 1,117 | 963 |
| 验证 | 240 | 222 |
| 测试 | 240 | 222 |

来源：[Kaggle SEAL_DATASET Version 1](https://www.kaggle.com/datasets/yushuosun/seal-dataset)，子集 `only_stamps/SealData(red,mask,pure stamps)`；上游说明关联 [DocDiff](https://github.com/Royalvice/DocDiff)，主要来自 ICDAR 2023 ReST，少量为上游内部图像。

| 条件 | 方法 | 平均 Dice ↑ | 平均 IoU ↑ |
| --- | --- | ---: | ---: |
| 原始印章裁剪 | 颜色阈值 | 84.21% | 73.05% |
| 原始印章裁剪 | Small U-Net | **96.04%** | **92.40%** |
| 合成中文底字 | 颜色阈值 | 80.24% | 67.80% |
| 合成中文底字 | Small U-Net | **94.16%** | **89.05%** |

当前测试评估墨迹分割。真实合同 OCR 的改善幅度仍待验证。 逐轮记录和测试汇总见 `metrics/`，训练设置见 `training/`，图表可用 `plot_results.py` 重绘。

## 来源与许可

墨迹子集的上游说明附有 MIT 文本，见 `licenses/upstream-mask-readme.md`。该文本的范围以原说明为准，其他数据子集及衍生权重的许可需分别核实。