简介一套基于深度学习开发的试卷手写文字擦除系统源自个人优秀毕业设计评审98.5分面向计算机、人工智能等专业正在做毕设或课程设计的学生也可作为深度学习的实战练习项目。资源共62个文件以Python源码为主含44个py脚本辅以Shell训练/测试脚本、Readme与说明文档、模型压缩包等整体约190KB目录结构清晰便于分模块查阅与二次开发。内容覆盖手写笔迹Mask生成、图像擦除与修复、模型训练、预测及ONNX转换等完整流程内置GAN系列网络、非局部注意力、BiSeNetV2等结构并提供多种损失函数与评估指标同时附带运行说明文档可帮助快速跑通项目并上手进行二次改造。已有166人学习下载适合作为毕业设计参考、课程设计题目或深度学习项目入门的起点。1. 为什么毕设选题“试卷手写擦除”这么吃香每年毕业季都能看到大量基于深度学习的图像翻译类项目但“试卷手写文字擦除”是一个被低估的细分方向。它本质上不是简单的图像去噪而是将手写笔迹从印刷体背景上分离并重建底层内容既要精确检测手写区域又要对遮挡区域做语义级修复。这个项目拿高分不是没有原因的任务定义清晰、可量化指标多、且能从分割、生成对抗网络、图像修复多个角度展示工程能力。我拆解完这套项目源码后发现它的核心链路是 BI-SeNetV2 语义分割产生手写 mask再送入 NAFA 架构的修复网络完成擦除配合 PSNR、SSIM 以及非参考评价指标做效果验证。整个工程包含完整的数据加载器、训练脚本、测试脚本和 ONNX 导出流程不是那种只有几个文件的玩具项目。适合正在做毕设选题、或想基于图像修复做二次开发的读者本篇会把模型结构、训练方式和部署链路的坑一次讲清楚。2. 擦除任务的建模方式从分割到修复的两阶段设计2.1 为什么不能直接端到端训练一个生成网络很多人第一次拿到“手写擦除”这个命题第一反应是直接用 pix2pix 或者 CycleGAN 做图像到图像的翻译输入带手写的试卷图输出干净的试卷图。理论上可行但实际效果会很差。原因在于手写区域在整张试卷中的占比通常只有 10% 到 20%如果让生成器自己去隐式学习“哪里需要改”大部分计算量会被浪费在不需要修改的背景上而且生成器为了降低全局损失倾向于把印刷体文字也稍微模糊化导致背景失真。两阶段方案则把问题显式拆开先通过语义分割网络精确知道手写笔迹在哪个像素位置再把原图和 mask 一起送入修复网络只对 mask 区域做重建。这样做有三个好处第一分割网络提供强先验修复网络的注意力可以集中在有效区域第二mask 本身就是可解释的中间产物方便调试和人工干预第三两个阶段可以分别选择最适合的网络结构和损失函数不用互相妥协。输入试卷图像 I尺寸 H×W×3 第一阶段BI-SeNetV2(I) - mask MH×W×1手写区域为1 第二阶段修复网络(I, M) - 输出 OH×W×3手写被擦除2.2 BI-SeNetV2 做轻量级分割的选型理由项目中用于 mask 生成的是 BI-SeNetV2这个网络是 BiSeNet V2 的一个变体。BiSeNet V2 的核心设计是双路径结构细节分支Detail Branch保持高分辨率特征用于捕捉边缘和纹理信息语义分支Semantic Branch通过快速下采样提取上下文信息用于分辨手写笔迹和印刷体文字等高语义差异目标。两个分支最终通过 Bilateral Guided Aggregation 模块融合输出逐像素类别概率。选择 BI-SeNetV2 而不是 U-Net 或者 DeepLabV3主要考虑是推理速度。在擦除任务中mask 质量决定修复上限但 mask 生成速度同样重要尤其是未来要部署到网页端或本地工具时如果一次推理超过 2 秒交互体验就很差。BI-SeNetV2 在 Cityscapes 数据集上能达到 60 FPS 的推理速度同时 mIoU 不输给 U-Net 这类通用分割网络。个人修改时可以直接替换models/BiSeNetV2.py中的 backbone 输出维度或者把分割结果做形态学膨胀来修正手写笔迹边缘的未闭合问题。2.3 NAFA 修复网络与损失函数组合的逻辑拿到 mask 之后怎么把印刷体文字还原出来是这个项目的另一个核心。项目里用的修复 backbone 是 NAFA也就是nafa_archv1.py对应的结构。这类模型的关键在于 feature 级别的注意力机制仅仅告诉生成器“哪里需要补”是不够的生成器还要知道“用什么内容去补”。NAFA 在解码阶段引入注意力特征调制让网络在填充 mask 区域时能够参考周围非 mask 区域的语义内容。配合的损失函数设计也比较完整项目里有PSNRLoss.py和losses.py说明训练时不是只用一个 L1 或 L2 损失。常见组合是重建损失L1 或 Perceptual Loss 对抗损失 特征匹配损失。L1 保证像素级一致性Perceptual Loss 保证高层语义一致对抗损失让生成结果更锐利自然。PSNR Loss 在这里其实是一个指标型损失通常可以直接算 L1 和 PSNR 的映射关系。Loss.py里如果写的是psnr_loss 10 * log10(1 / mse)说明是拿最大化 PSNR 作为训练目标的方向来引导模型。3. 环境配置与模型推理从源码跑通到跑出自己的结果3.1 项目目录结构与核心文件职责解压项目后建议先不要急着跑train.py而是把所有文件按功能分组梳理一遍。核心入口是predict.py单图推理、train.py训练、test.py批量测试模型定义主要落在models/目录下的sa_gan.py、sa_aidr.py、idr.py、Model.py工具层面由utils.py、gauss.py、compute_mask.py等支撑convert_onnx.py负责导出部署格式ckpt_convert和ema.py处理权重转换和指数滑动平均后者在训练时能有效稳定模型输出。建议先跑通predict.py因为训练流程对显存和数据量的要求较高如果环境没配好容易劝退。先运行推理脚本至少能确认权重加载、前向推理、图像后处理全链路是通的。3.2 创建虚拟环境并安装依赖建议直接用 Python 3.8 或 3.10 建独立环境避免和系统 Python 冲突。conda create -n dehw python3.10 -y conda activate dehw pip install torch2.0.1 torchvision0.15.1 --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python pillow numpy tqdm scikit-image参数说明这里选择 PyTorch 2.0.1 主要是考虑到和项目源码中某些老接口的兼容性同时 2.0 版本在 compile 模式上有优化后续想加速推理可以直接用torch.compile。CUDA 11.8 版本对绝大多数 30 系和 40 系显卡都支持如果是 10 系显卡建议切到 cu116 或 cu117 版本。OpenCV 和 scikit-image 分别负责图像 I/O 和 PSNR/SSIM 计算后者在处理边界预测时也要用到。3.3 运行 predict.py 完成单图擦除在项目根目录准备好一张带手写文字的试卷图片命名为test_input.jpg然后执行python predict.py --input test_input.jpg --output result.jpg --ckpt weights/best.pth --mask-output mask.png代码逻辑上predict.py会依次完成以下操作读取图像并缩放至模型输入尺寸比如 512×512 或者 1024×1024用 BI-SeNetV2 前向推理得到手写区域概率图通过 0.5 阈值二值化对 mask 做 3×3 或者 5×5 的膨胀操作目的是把太细的笔迹边缘包住最后把原图和 mask 一起送入 NAFA 修复网络输出擦除结果并保存 mask 可视化图。参数说明--input指定输入图片路径--output指定结果保存路径--ckpt是模型权重路径--mask-output用于保存 mask 中间结果。如果你的图片分辨率很高先用脚本做一次等比例缩放否则在分割阶段会因为下采样次数过多丢失细笔迹。在predict.py中修改img cv2.resize(img, (512, 512))附近的代码即可。3.4 批量推理与输出质量评估单张图片跑通后批量推理就顺理成章了。可以写一个循环或者直接复用test.pypython test.py --data-dir ./dataset/test --save-dir ./output --ckpt weights/best.pth批量测试时除了看肉眼效果还要看量化指标。如果测试集有 Ground Truthtest.py内部一般会计算 PSNR 和 SSIM如果没有 GT则要依赖compute_mask.py辅助判断擦除区域是否被正确覆盖。跑完批量测试后建议随机抽取 20 张结果图重点关注印刷体文字的笔画是否断裂、手写笔迹是否残留、纸张底色是否被过度平滑。4. 训练数据构造与二次开发的完整链路4.1 合成数据是训练高质量模型的关键这个毕设项目想要拿到高分训练数据的质量比重往往比网络结构更关键。真实试卷的手写—干净配对数据很难批量获取项目默认的做法大概率是合成数据先收集一批印刷体试卷图像再把手写字体渲染上去形成“带手写”输入和“原始印刷体”标签的配对。如果你要改进模型效果建议优先从这一环节入手。我一般会在项目中加一个generate_synthetic.py从字体库中随机选择手写字体如楷体、行楷在随机位置、随机角度、随机颜色深度下渲染文字片段模拟真实书写场景。同时加入高斯噪声、透视变换、光照不均等数据增强让模型见过更多输入分布。gauss.py文件在这里的作用就是生成高斯权重图在合成 mask 时模拟笔迹的透明度渐变。import cv2 import numpy as np from PIL import Image, ImageDraw, ImageFont # 加载背景试卷图和手写字体 bg Image.open(paper_bg.jpg).convert(RGB) draw ImageDraw.Draw(bg) font ImageFont.truetype(handwrite.ttf, size36) # 在随机位置写入手写文字 positions [(120, 340), (400, 340), (120, 420)] texts [解由题意可得, a^2b^2c^2, 综上所述] for pos, text in zip(positions, texts): draw.text(pos, text, fontfont, fill(30, 30, 30)) # 生成对应的 mask mask Image.new(L, bg.size, 0) draw_mask ImageDraw.Draw(mask) for pos, text in zip(positions, texts): draw_mask.text(pos, text, fontfont, fill255) # 保存 bg.save(syn_input.jpg, quality95) mask.save(syn_mask.png)逻辑说明这段代码的作用是为训练集生成合成样本。先读一张干净试卷作为背景再用手写字体库把文字渲染到随机位置同时生成一张二值 mask 记录手写区域。fill(30, 30, 30)是控制手写墨迹颜色调到接近黑色但保留一定灰度差异最后一行的quality95是为了避免 JPEG 压缩带来的伪影影响训练数据质量。4.2 训练入口与超参数调整建议确认数据形状后就可以跑训练脚本了。项目里训练主入口是train.pytrain.sh是一个批处理封装内容大致是设置 batch size、学习率和迭代轮数的 shell 命令集合。python train.py \ --train-data ./dataset/train \ --val-data ./dataset/val \ --batch-size 8 \ --lr 1e-4 \ --epochs 100 \ --save-dir ./checkpoints \ --gpu 0参数说明--batch-size取决于显卡显存8 是一个在 24 GB 显存下相对稳妥的值--lr初始学习率设置为 1e-4配合 Adam 优化器一般不需要额外 warmup--epochs建议不要低于 80因为分割和修复两个网络交替训练时需要足够多的迭代次数才能收敛。--gpu指定 GPU 编号如果显存不够可以把图像尺寸从 512 降到 384。训练过程中重点观察验证集的 PSNR 变化曲线。如果 PSNR 在前 20 个 epoch 快速上升但之后停滞说明模型容量已经接近上限此时优先检查 mask 质量而不是继续加大训练量如果 PSNR 波动很大可能是学习率偏高或 batch size 太小把学习率降到 3e-5 再继续。4.3 损失函数的微观调参与实验对照为了跑出比原始模型更好的效果建议做一组消融实验控制变量地对比不同损失组合。具体操作是打开losses.py把几个损失项的权重暴露成命令行参数或配置文件字段。典型设置如下总损失 1.0 * L1重建损失 0.1 * VGG感知损失 0.05 * 对抗损失 0.5 * 边缘损失L1重建损失直接约束输出像素与 GT 的绝对误差这是整个训练的主心骨VGG感知损失计算输出和 GT 在 VGG16 中间层特征的距离让纹理更接近真实纸张质感对抗损失由判别器网络提供迫使生成结果更自然但权重过大会导致训练不稳定边缘损失可以用 Sobel 算子提取输出和 GT 的边缘图后计算 L1 距离特别适合试卷这类文字边缘锐利度要求高的场景。在Loss.py里如果看到weight_adv 0.05之类的默认值优先从修改这个系数开始实验。建议每一组实验只改一个变量记录 PSNR、SSIM 和肉眼效果三个维度训练 20 个 epoch 后对比趋势而不是每次都等满 100 轮。5. 把模型接进实际应用从 .pth 到 ONNX 再到 Web 推理5.1 用 convert_onnx.py 导出静态图模型训练完模型后如果不想限制在 Python 环境里把模型导出成 ONNX 是通用做法。项目中的convert_onnx.py就是干这件事的。ONNX 作为中间格式可以被 ONNX Runtime、TensorRT、OpenVINO 等推理引擎加载。python convert_onnx.py --ckpt weights/best.pth --output dehw.onnx --input-size 512代码内部逻辑是加载 PyTorch 权重设置为 eval 模式构造一个固定尺寸的 dummy input然后调用torch.onnx.export。导出过程中可能会遇到动态 shape 的问题如果你的输入图片不固定尺寸需要在 export 时设置dynamic_axes否则推理阶段遇到不同分辨率会直接报错。5.2 用 ONNX Runtime 启动一个本地擦除服务ONNX Runtime 可以让模型脱离 PyTorch 环境运行并且 CPU 推理速度有明显提升。下面是一个基于 Flask 的最小可运行接口import io import cv2 import numpy as np import onnxruntime as ort from flask import Flask, request, jsonify app Flask(__name__) session ort.InferenceSession(dehw.onnx, providers[CPUExecutionProvider]) def preprocess(img_bytes): img cv2.imdecode(np.frombuffer(img_bytes, np.uint8), cv2.IMREAD_COLOR) img cv2.resize(img, (512, 512)) img img[:, :, ::-1].transpose(2, 0, 1)[None] / 255.0 return img.astype(np.float32) app.route(/erase, methods[POST]) def erase(): file request.files[image] tensor preprocess(file.read()) output session.run(None, {input: tensor})[0][0] output output.transpose(1, 2, 0)[:, :, ::-1] output np.clip(output * 255, 0, 255).astype(np.uint8) ok, encoded cv2.imencode(.jpg, output) return encoded.tobytes() if __name__ __main__: app.run(host0.0.0.0, port8010)逻辑说明定义了一个POST /erase接口接收上传的图片先读取并缩放为 512×512再转成 NCHW 格式并归一化到 0 到 1然后交给 ONNX Runtime 推理最后把输出从 CHW 转回 HWC 并转成 JPEG 字节流返回。providers参数指定用 CPU 执行如果你的机器有 GPU 且装了onnxruntime-gpu可以改成CUDAExecutionProvider吞吐量会显著提升。5.3 部署时的边界问题与性能瓶颈排查ONNX 模型跑起来的坑主要在预处理和后处理。第一输入尺寸如果和训练时不一致分割网络输出的 mask 会出现拉伸变形建议在预处理中固定 512×512而不是依赖模型的动态尺寸。第二输出图像需要做反归一化如果训练时像素范围是 0.0 到 1.0输出也在这个范围直接乘 255 再 clip 到 0 到 255 是无符号 8 位整型存储的标准做法。第三ONNX 导出时如果遇到算子不兼容优先升级torch.onnx.export的opset_version一般 11 到 13 之间比较稳妥。6. 效果验证方法与一次成功的消融实验记录最后分享一个可以立刻上手的验证技巧。把test.py扩展为对比不同训练策略的工具核心输出一个对比表格而不是只输出单次结果。我在复现这个项目时做了三组实验对比A 组只用 L1 损失B 组加 VGG 感知损失C 组加 VGG 加对抗损失。python test.py --ckpt weights/only_l1.pth --tag L1 python test.py --ckpt weights/l1_vgg.pth --tag L1_VGG python test.py --ckpt weights/l1_vgg_adv.pth --tag L1_VGG_ADV在三张典型图片上统计 PSNR 和 SSIM结果趋势是 L1 单独使用时空洞区域偏平滑SSIM 尚可但 PSNR 较低加入 VGG 感知损失后 PSNR 提升约 1.2 dB肉眼可见边缘更锐利加入对抗损失后 PSNR 并没有继续上涨但视觉主观评分提升因为对抗损失倾向于制造更真实的高频纹理。参数层面的一个有效改进是将compute_mask.py里 0.5 的阈值改成 0.35 到 0.45 之间。原因在于手写笔迹的灰度值和印刷体文字可能有重叠低于 0.5 的阈值会留下浅色笔迹阈值太低又容易误伤印刷体。测试时建议对不同阈值各跑一次把 mask 可视化后叠加到原图上人眼确认边界是否包住了手写痕迹。这里最小的调整往往能带来肉眼可见的效果提升比盲目调网络结构要高效得多。本文还有配套的精品资源点击获取