百度网盘AI大赛——图像处理挑战赛：手写文字擦除第10名方案

---

该方案为百度网盘AI大赛手写文字擦除挑战赛第10名方案，基于MTRNet++实现。先介绍文字擦除算法及GAN结构，再说明MTRNet++的改进、结构与损失函数。接着阐述制作流程，包括数据处理、训练、测试等步骤，还给出涨点思路，其在相关数据集上表现优异。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

百度网盘AI大赛——图像处理挑战赛：手写文字擦除第10名方案

基于MTRNet++ 实现图像文字擦除

百度网盘大赛二，手写文字擦除

一、 如果高考能重来一次......

1.这是不是考完试,卷纸发下来之后，你的姿势 

2.面对试卷上的错题，心里会想点什么..... 

3.脑海中一定想过：如果有橡皮擦

4.考试能不能重来一次

5.高考想重来，前提是要有橡皮擦

二、做橡皮擦要分几步

给定一幅自然场景图像，只将图像中文字区域抹去而不改动其他区域像素值的方法称为文字擦除算法。该方法在隐私保护，身份信息篡改，数据增广等领域有着广泛的应用和研究前景。

受传统生成对抗网络（GAN）算法的启发，基于深度学习的文字擦除算法都采用了类似的生成器+判别器的结构，其损失函数为：

1. 整个式子由两项构成。x表示真实图片，z表示输入G网络的噪声，而G(z)表示G网络生成的图片。
2. D(x)表示D网络判断真实图片是否真实的概率（因为x就是真实的，所以对于D来说，这个值越接近1越好）。而D(G(z))是D网络判断G生成的图片的是否真实的概率。
3. G的目的：上面提到过，D(G(z))是D网络判断G生成的图片是否真实的概率，G应该希望自己生成的图片“越接近真实越好”。也就是说，G希望D(G(z))尽可能的大，这时V(D, G)会变小。因此我们看到式子的最前面的记号是min_G。
4. D的目的：D的能力越强，D(x)应该越大，D(G(z))应该越小。这时V(D,G)会变大。因此式子对于D来说是求最大(max_D)。

三、怎么做一个有思想的橡皮檫：MTRNet++

文字擦除可以分为两个子任务：1）文字区域定位。2）文字内容擦除

为了将两个子任务进行更好的学习，从而实现更准确的文字擦除结果，MTRNet在输入引入文字分割结果，让网络能够感知文字区域的位置信息，从而降低任务难度，实现更准确的擦除结果。但是由于需要提前知道文字区域的准确位置信息，所以这些方法具有一定的局限性。

MTRNet++在STRNet基础上进行了改进（下图），通过引入一个微调子网络降低了整体网络对输入位置信息的依赖性，从而实现更鲁棒的文字擦除算法。

1.生成器由三个分支组成：掩码精化分支、粗修分支和接在两个分支后面的精修分支。

2.输入数据由图像和掩码按通道连接而成，掩码可以随机生成，也可以通过预处理得到。

3.判别器是PatchGAN结构，也可以是加了谱归一化的SN-PatchGAN。

4.生成器的损失，由L1，Style，Perceptual和对抗损失组成： 

5.判别器的损失是对抗损失：

简小派

简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。

123 查看详情

四、制作橡皮擦

In [1]

#1.准备原料：解压比赛的数据集!unzip data/data121261/dehw_train_dataset.zip -d data/ >>/dev/null#!unzip data/data121261/dehw_testA_dataset.zip -d data/ >>/dev/null

In [2]

!unzip data/data126180/dehw_testB_dataset.zip -d data/ >>/dev/null

In [4]

## 数据EDAimport os.pathimport globimport refrom PIL import Image
path = '/home/aistudio/data/dehw_train_dataset/images'  #训练数据路径dirname='/home/aistudio/work/'im_files = glob.glob(os.path.join(path, "*.jpg"))
im_files.sort()print('训练集数量 {}'.format(len(im_files)))

train_file = open(os.path.join(dirname, 'train.txt'), 'w') 
   
for index,filename in enumerate(im_files): 
    im = Image.open(filename)#返回一个Image对象       #打开该图像
    filepath = os.path.join(dirname, filename) 
    print("%s\t%s\t%s\n" % (filename,im.size[0],im.size[1]),file=train_file)  #输入图像名称、图像高度和宽度到指定txt中。train_file.close() 

path = '/home/aistudio/data/dehw_testB_dataset/'  #训练数据路径im_files = glob.glob(os.path.join(path, "*.jpg"))
im_files.sort()print('测试集数量 {}'.format(len(im_files)))
test_file = open(os.path.join(dirname, 'test.txt'), 'w') 
   
for index,filename in enumerate(im_files): 
    im = Image.open(filename)#返回一个Image对象       #打开该图像
    filepath = os.path.join(dirname, filename) 
    print ("%s\t%s\t%s\n" % (filename,im.size[0],im.size[1]),file=test_file)  #输入图像名称、图像高度和宽度到指定txt中。test_file.close()

训练集数量 1081
测试集数量 200

In [6]

%matplotlib inlineimport pandas as pdimport matplotlib.pyplot as plt
df = pd.read_table('/home/aistudio/work/train.txt',header=None,index_col=False)
plt.figure(figsize=(10,4))
plt.title('Width of TrainSet') #训练集图像宽度分布hc = df[2].groupby(df[1])
hc.count().plot.bar()
plt.figure(figsize=(10,4))

plt.title('Height of TrainSet') #训练集图像高度分布wc = df[1].groupby(df[2])
wc.count().plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x7f25eb3e0650>

<Figure size 720x288 with 1 Axes>

<Figure size 720x288 with 1 Axes>

In [10]

import pandas as pdimport matplotlib.pyplot as plt
df = pd.read_table('/home/aistudio/work/test.txt',header=None,index_col=False)
plt.figure(figsize=(10,4))
plt.title('Width of TestB Set') #测试集A图像宽度分布hc = df[2].groupby(df[1])
hc.count().plot.bar()
plt.figure(figsize=(10,4))

plt.title('Height of TestB Set') #测试集A图像高度分布wc = df[1].groupby(df[2])
wc.count().plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x7f25e61a1990>

<Figure size 720x288 with 1 Axes>

<Figure size 720x288 with 1 Axes>

In [3]

#2.准备工具!pip install scikit_image -q

In [2]

#3.用训练图像和标签生成掩码#%cd work/scripts/#!python generate_bbox.py

In [ ]

#4.调好原料比例，生成数据集#%cd work/scripts/#!python create_dataset.py

In [ ]

#5.调好配方，其中MASK类型8为固定生成；#  或者用上面生成的BBOX Mask，MASK类型设为7；#  如果是图像类型的Mask，设为3。#!cat /home/aistudio/work/config/config.yml

In [ ]

#5.反复制作#%cd /home/aistudio/work/#!python train.py

（1）output目录下文件夹的log目录下保存日志文件，训练过程中的参数保存在model目录下。

（2）断点接续训练，在config.yml文件中设置G_MODEL_PATH和D_MODEL_PATH为保存过模型的路径。

（3）可以通过左侧的VisualDL的数据模型可视化功能，查看训练指标和训练过程中生成的图像。

                             训练指标可视化

                           训练过程生成的图像

  上图中：左为输入原始图像，    中间为标签图像，        右边为生成图像

In [3]

#6.检查质量%cd /home/aistudio/work/
!python test.py --config /home/aistudio/work/config/config.yml \
    --mode 3 --dataset_root /home/aistudio/data/dehw_testB_dataset/ \
    --pretrained /home/aistudio/output/20251222-213549/model/MaskInpaintModel_gen_25000.pdparams

/home/aistudio/work
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/__init__.py:107: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import MutableMapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/rcsetup.py:20: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Iterable, Mapping
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/matplotlib/colors.py:53: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
  from collections import Sized
W0126 08:50:00.091639   381 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1
W0126 08:50:00.096752   381 device_context.cc:465] device: 0, cuDNN Version: 7.6.
100%|████████████████████████████████| 561203/561203 [00:15<00:00, 37040.88it/s]
Loading MaskInpaintModel generator...
Loading MaskInpaintModel generator...
/home/aistudio/data/dehw_testB_dataset/dehw_testB_1.jpg [3208] [2088]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_10.jpg [2132] [1756]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_100.jpg [2920] [2056]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_101.jpg [3132] [1956]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_102.jpg [3108] [2108]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_103.jpg [3172] [1980]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_104.jpg [3176] [2092]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_105.jpg [4084] [2976]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_106.jpg [4324] [2968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_107.jpg [2280] [1836]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_108.jpg [3340] [1988]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_109.jpg [2160] [3380]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_11.jpg [3100] [2160]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_110.jpg [3976] [2928]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_111.jpg [860] [896]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_112.jpg [1864] [2040]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_113.jpg [2088] [2548]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_114.jpg [3152] [2036]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_115.jpg [3228] [2152]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_116.jpg [2868] [2052]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_117.jpg [4396] [3136]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_118.jpg [2448] [1796]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_119.jpg [3284] [2152]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_12.jpg [905] [896]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_120.jpg [2272] [1844]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_121.jpg [3096] [2108]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_122.jpg [3672] [2148]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_123.jpg [3172] [2196]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_124.jpg [3416] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_125.jpg [2876] [2068]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_126.jpg [3036] [2084]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_127.jpg [3964] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_128.jpg [3232] [2140]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_129.jpg [3400] [2100]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_13.jpg [3084] [2088]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_130.jpg [2920] [3980]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_131.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_132.jpg [4032] [2968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_133.jpg [3992] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_134.jpg [3840] [3036]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_135.jpg [3812] [2936]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_136.jpg [4000] [3000]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_137.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_138.jpg [3996] [2932]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_139.jpg [3000] [4000]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_14.jpg [3220] [2084]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_140.jpg [3004] [3332]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_141.jpg [3960] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_142.jpg [4092] [2636]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_143.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_144.jpg [4188] [2908]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_145.jpg [3976] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_146.jpg [4128] [2732]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_147.jpg [3968] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_148.jpg [3032] [3348]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_149.jpg [4100] [2708]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_15.jpg [3956] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_150.jpg [4116] [2992]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_151.jpg [3984] [2976]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_152.jpg [3944] [2968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_153.jpg [3016] [3956]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_154.jpg [4112] [2956]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_155.jpg [3956] [2976]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_156.jpg [3952] [3020]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_157.jpg [4324] [2112]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_158.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_159.jpg [3952] [2708]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_16.jpg [3184] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_160.jpg [3996] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_161.jpg [3976] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_162.jpg [4104] [2940]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_163.jpg [4180] [2516]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_164.jpg [3988] [2968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_165.jpg [4048] [2736]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_166.jpg [2996] [3324]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_167.jpg [3964] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_168.jpg [4080] [2968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_169.jpg [3976] [2516]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_17.jpg [1028] [880]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_170.jpg [4004] [2820]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_171.jpg [4176] [2808]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_172.jpg [3996] [2976]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_173.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_174.jpg [4000] [3000]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_175.jpg [3960] [2728]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_176.jpg [4144] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_177.jpg [4368] [2916]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_178.jpg [4104] [1880]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_179.jpg [3992] [2956]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_18.jpg [4044] [2796]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_180.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_181.jpg [3112] [3788]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_182.jpg [3900] [2744]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_183.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_184.jpg [2968] [2452]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_185.jpg [3976] [2172]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_186.jpg [3964] [2648]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_187.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_188.jpg [4264] [2972]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_189.jpg [3992] [3040]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_19.jpg [2980] [2012]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_190.jpg [2668] [3896]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_191.jpg [3972] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_192.jpg [3904] [2980]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_193.jpg [4360] [2996]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_194.jpg [3976] [2728]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_195.jpg [3968] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_196.jpg [3988] [2928]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_197.jpg [4008] [2312]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_198.jpg [3976] [2956]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_199.jpg [3968] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_2.jpg [3044] [1920]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_20.jpg [3224] [2056]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_200.jpg [4092] [2880]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_21.jpg [4284] [2804]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_22.jpg [4076] [2636]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_23.jpg [3080] [2096]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_24.jpg [1772] [1264]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_25.jpg [4028] [2984]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_26.jpg [2820] [2072]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_27.jpg [3976] [2944]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_28.jpg [3076] [2144]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_29.jpg [3056] [2064]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_3.jpg [3464] [2284]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_30.jpg [2140] [2144]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_31.jpg [3232] [2136]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_32.jpg [3168] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_33.jpg [2856] [2052]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_34.jpg [2948] [1968]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_35.jpg [1748] [1188]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_36.jpg [3196] [2124]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_37.jpg [3260] [2116]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_38.jpg [3236] [2040]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_39.jpg [3420] [2184]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_4.jpg [3968] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_40.jpg [3108] [2116]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_41.jpg [3104] [2060]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_42.jpg [4060] [2948]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_43.jpg [2112] [1800]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_44.jpg [3796] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_45.jpg [3564] [2148]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_46.jpg [3268] [2148]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_47.jpg [2900] [2044]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_48.jpg [3308] [2112]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_49.jpg [3304] [2100]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_5.jpg [2944] [2052]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_50.jpg [3004] [2048]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_51.jpg [3480] [2072]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_52.jpg [1928] [1348]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_53.jpg [3380] [2032]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_54.jpg [3196] [2088]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_55.jpg [2180] [2076]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_56.jpg [3508] [2032]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_57.jpg [3240] [2044]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_58.jpg [4080] [2848]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_59.jpg [2972] [2004]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_6.jpg [2212] [1860]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_60.jpg [3468] [2116]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_61.jpg [3068] [2072]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_62.jpg [3260] [2092]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_63.jpg [4064] [2964]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_64.jpg [3124] [2108]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_65.jpg [2204] [2440]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_66.jpg [3200] [2196]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_67.jpg [4000] [3000]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_68.jpg [3264] [2176]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_69.jpg [2768] [1884]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_7.jpg [3972] [2940]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_70.jpg [4332] [3040]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_71.jpg [3188] [2120]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_72.jpg [4192] [2980]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_73.jpg [4224] [1580]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_74.jpg [2464] [2444]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_75.jpg [2136] [1748]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_76.jpg [3200] [2080]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_77.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_78.jpg [3952] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_79.jpg [3392] [2025]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_8.jpg [1724] [1260]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_80.jpg [3340] [2208]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_81.jpg [3416] [2100]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_82.jpg [4628] [3300]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_83.jpg [3248] [2212]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_84.jpg [3984] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_85.jpg [3416] [2052]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_86.jpg [3184] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_87.jpg [3084] [2156]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_88.jpg [3132] [2220]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_89.jpg [2888] [2044]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_9.jpg [3324] [2092]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_90.jpg [3108] [2108]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_91.jpg [2630] [1852]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_92.jpg [2440] [1776]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_93.jpg [4688] [3252]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_94.jpg [3964] [2920]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_95.jpg [3568] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_96.jpg [3364] [2096]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_97.jpg [2824] [2080]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_98.jpg [3964] [2960]
/home/aistudio/data/dehw_testB_dataset/dehw_testB_99.jpg [3264] [2140]
The running time of an image is : 10.371857 s

In [ ]

#7.试试效果,压缩文件提交评分%cd /home/aistudio/work/test_result/
!zip result.zip *.png *.txt

保存的文件在test_result路径中，进入该路径创建readme.txt文件，输入要求的内容：

训练框架：PaddlePaddle

代码运行环境：V100

是否使用GPU：是

单张图片耗时/s：1

模型大小：45

其他说明：算法参考MTRNet++

总结

手写文字擦除比赛的数据集很有挑战性，涨点的思路供参考：

1.利用外部数据和预训练模型，在比赛数据集在微调；

2.优化Mask的生成方式，准确定位待擦除的文字区域；

3.调整模型结构；

4.调整Config文件中的超参数。

上表是论文中显示，MTRNet++在SCUT和Oxford数据集上获得SOTA。

以上就是百度网盘AI大赛——图像处理挑战赛：手写文字擦除第10名方案的详细内容，更多请关注其它相关文章！

# 工具  # 重来  # 掩码  # 一言  # 百度网  # 图像处理  # 中文网  # 擦除  # udio  # igs  # 子网  # 百度  # 百度网盘  # ai  # python  # fig  # 智能化网站推广推荐咨询  # 雨花区好的网站优化推广  # 信息类网站推广的方法  # seo系统贴牌  # 南宁酒店网站建设招标  # 北京seo工资待遇  # 二seo是什么意思  # 阳春seo优化多少钱  # 淘宝关键词自然排名技术  # 娱乐新闻网站建设游戏  # 可以通过  # 设为 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： “一般智力”与工艺学批判是认识AI的重要入口 | 社会科学报  OpenAI宣布在伦敦设立海外分部，要招揽“世界级人才”  贫穷让我预训练  大模型新品出现井喷，AI产业迎来新时代  基于预训练模型的金融事件分析及应用  郭帆：AI发展日新月异，或是弯道超车好莱坞的最好机会  ChatGPT会成为你家新的语音助手吗？  “无人驾驶船”将首次亮相世界人工智能大会，下半年或开进上海迪士尼  元宇宙技术带你穿梭“大运河”，江苏书展上的数字阅读馆吸睛小读者  13 个提高生产力的 AI 工具  普林斯顿大学推出Infinigen AI模型 可生成真实自然环境 3D场景  阿里云AI绘画创作大模型通义万相发布 已开启定向邀测  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  iPhone两秒出图，目前已知的最快移动端Stable Diffusion模型来了  Meta 开源 AI 语言模型 MusicGen，可将文本和旋律转化为完整乐曲  AI与5G的强强联合：唤醒数字时代的无尽潜能  小艺将具备大模型能力，鸿蒙4加速AI普及之路  谷歌推出 AI 反洗钱工具，可将金融机构内部风险预警准确率提高2至4倍  人工智能写作检测工具不靠谱，美国宪法竟被认为是机器人写的  优傲机器人的人机协作技术 助力中小企发展  洞穴探险神器？可自主导航的单旋翼自旋无人机，效率更高！  AI大模型产品集体奔赴高考考场，教育赛道的讯飞星火能赢吗？  石头扫拖机器人 G20 618 福利来袭：4999 元，超值配件领到手软  AI拉动PCB发展|行业发现  AI教父Bengio：我感到迷失，对AI担忧已成「精神内耗」！  张勇对话多位诺奖得主 人工智能将无处不在  中国联通推出“极光一号”5G机载终端，适配大疆等品牌无人机设备  Goodnotes 6推出，带来多项全新AI功能，让电子笔记更智能  苹果AI战略与微软谷歌大相径庭，到底是领先还是落后？  “痴迷”元宇宙，魔珐科技想做什么？  微软bing聊天推出AI购物工具 可进行比价并查看历史最低价  令人惊叹！AI模型能够以iPhone照片为基础创作诗歌  应用生成式人工智能技术改善农业产业  苹果机器学习关键人物 Ali Farhadi 离职，回归 AI2 担任 CEO  华为将于 7 月发布面向 AI 大模型的新款存储产品  轻量级的深度学习框架Tinygrad  昇腾AI大模型训推一体化解决方案将在WAIC发布  AI 冥想应用 Ogimi.ai 推出，可为用户提供教练级个性化指导  走进首家“元宇宙”未来工厂，卡奥斯探知工业之旅出发！  首届全国体育人工智能大会在首都体育学院召开  CREATOR制造、使用工具，实现LLM「自我进化」  财联社首档运用虚拟人技术播报栏目《AI半小时》今晚上线！敬请期待  人手一部「*」！视频版Midjourney免费可用，一句话秒生酷炫大片惊呆网友  纪录片 《寻找人工智能》全集1080P超清  精准度可提高 20%：英国九家银行签约使用基于 AI 的“消费者欺诈风险系统”应对*  PHP和OpenCV库：如何实现人脸识别  人工智能领域，突破难题：国产大模型“无源之水”问题得到解决。  从医疗康复外骨骼到通用人形机器人，傅利叶智能推动核心技术升级  美图秀秀发布7款AI产品：支持用户创作、商业创作  无需照相馆，AI证件照生成软件即将推出 

 2025-07-18