ISD-YOLO：一种用于发票印章检测的轻量级高效特征提取网络

《PLOS One》：ISD-YOLO: A lightweight and efficient feature extraction network for invoice seal detection

　　

发票印章检测在智能发票处理中发挥着重要作用，通过提升审核效率并降低潜在财务风险。然而，现有方法在多尺度特征表示、复杂背景干扰以及检测精度与计算效率之间的平衡方面仍面临挑战。本研究提出了一种用于发票印章检测的轻量级检测模型ISD-YOLO。具体而言，设计了C3k2-ConvFormer-CGLU模块（C3k2_CFC），通过结合局部特征增强与门控特征选择来增强多尺度特征表示；引入基于双层路由注意力（Bi-level Routing Attention, BRA）的C2BRA模块，通过动态选择重要区域来提升判别性印章特征的提取能力；此外，集成可变形注意力模块（DAttention）以增强对关键区域的关注并减少背景干扰；进一步开发了轻量级检测头（EfficientHead），在保持检测性能的同时降低计算复杂度，为资源受限应用提供了潜力。实验在包含公开印章图像和真实发票图像的数据集上进行。与基线模型相比，ISD-YOLO的mAP50和mAP50:95分别提升了2.1%和2.3%。与现有检测方法相比，ISD-YOLO实现了95.3%的F1分数和97.2%的mAP50，同时仅需2.3 M参数和5.0 GFLOPs。结果表明，在所评估的发票印章检测条件下，ISD-YOLO在检测精度与计算效率之间取得了良好平衡。其轻量级设计表明其在资源受限应用中的潜力，但仍需在更广泛的场景和实际边缘设备上进一步验证。

ISD-YOLO：面向发票印章检测的轻量级高效特征提取网络——论文解读

一、研究背景与问题

随着财税服务数字化和文档处理智能化的持续推进，发票在报销核算、税务申报和审计检查等环节中扮演着越来越重要的角色。印章作为发票真实性、完整性和权属可信度的关键标识，是文档合规审查中的核心要素。自动化发票印章检测通过识别印章缺失、错盖、伪造以及文档篡改等异常情况，可为文档审查提供有效依据，从而降低财税风险和管理成本，提升文档处理效率，并推动业务流程自动化。

然而，在实际应用中，发票通常经历生成、盖章、扫描、归档等多个环节，印章区域常受到遮挡、重叠、模糊、褪色、噪声、光照变化和旋转等因素的影响，导致印章区域呈现复杂的视觉特征，给精确检测带来巨大挑战。与此同时，随着文档处理规模不断扩大，传统人工核验方式已无法同时保证效率、准确性和一致性。现有检测方法仍面临多尺度特征表示不足、复杂发票背景干扰严重，以及检测精度与计算效率难以平衡等问题。因此，研究高精度、强鲁棒性的发票印章检测方法，不仅能为印章真伪验证、异常文档拦截和财税风险控制提供技术支撑，还能推动复杂文档图像理解与目标检测技术在财税场景中的应用与发展。

二、研究内容与结论

针对上述问题，研究人员提出了ISD-YOLO，一种面向发票印章检测的轻量级检测框架。该框架采用高效的双向特征融合拓扑结构，通过内容自适应的区域路由和可变形采样增强进入融合路径的深层特征。与单向特征传递或纯固定跨尺度融合相比，该设计使高层语义上下文与浅层定位细节能够双向互补，同时减少发票文字、表格线和局部遮挡等无关响应的传播。实验结果表明，ISD-YOLO在检测精度与计算效率之间实现了有效平衡：与基线模型相比，mAP50和mAP50:95分别提升2.1%和2.3%；与现有检测方法相比，ISD-YOLO实现了95.3%的F1分数和97.2%的mAP50，同时仅需2.3 M参数和5.0 GFLOPs。其轻量级设计表明在资源受限应用和边缘部署方面具有潜力。该论文发表在《PLOS One》。

三、关键技术方法

研究人员主要采用了以下关键技术方法：

1. 1.
   C3k2-ConvFormer-CGLU模块（C3k2_CFC）：在C3k2结构基础上，集成ConvFormer的局部特征增强能力与卷积门控线性单元（CGLU）的门控特征选择机制，通过位置感知特征提取和门控特征选择自适应增强印章的局部纹理与全局轮廓，改善多尺度印章特征的细粒度表示。
2. 2.
   C2BRA模块：基于双层路由注意力（BRA）机制构建，通过粗粒度区域路由和细粒度token注意力两阶段路由策略，动态选择关键特征区域，增强对印章形状、边缘和内部纹理的感知，同时降低计算冗余。该模块替代了YOLO11中的C2PSA结构。
3. 3.
   可变形注意力模块（DAttention）：采用数据依赖的动态采样策略，通过轻量级偏移网络预测每个参考点的二维位移，使采样位置自适应地移向信息丰富的印章轮廓和可见纹理区域，从而增强对关键区域的关注并有效抑制复杂背景干扰。
4. 4.
   轻量级检测头（EfficientHead）：采用双分支并行架构，利用分组卷积高效提取多尺度印章特征，分类和回归分支独立处理检测与识别任务。回归分支引入分布焦点损失（DFL），将边界框坐标表示为离散概率分布，提升印章边缘与文字重叠或部分遮挡情况下的定位精度。

数据集方面，研究使用了两个数据来源：公开数据集（来自Kaggle和Roboflow平台，共1,096张图像）和自建数据集（合作企业提供的500张发票印章图像），总计1,596张图像，按7:2:1比例划分为训练集、验证集和测试集。

四、研究结果

4.1 消融实验

研究人员通过系统性消融实验量化了四个引入模块的单独和累积贡献。基线模型（YOLO11n）的mAP50为95.1%，mAP50:95为77.5%，参数为2.6 M，计算量为6.3 GFLOPs，推理速度为133.4 FPS。各模块单独引入时：C3k2_CFC使mAP50和mAP50:95分别提升1.7和1.9个百分点，参数降至2.3 M；C2BRA使mAP50提升至96.2%，且不增加参数和计算量，FPS提升至161.7；DAttention使mAP50和mAP50:95各提升0.3个百分点，但参数和计算量增至2.8 M和6.5 GFLOPs；EfficientHead使mAP50和mAP50:95分别达到96.0%和78.1%，参数降至2.3 M，计算量降至5.1 GFLOPs，FPS提升至181.3。四个模块全部启用时，ISD-YOLO取得最佳精度，mAP50为97.2%，mAP50:95为79.8%，参数仅2.3 M，计算量5.0 GFLOPs，相比基线mAP50和mAP50:95分别提升2.1和2.3个百分点，参数减少0.3 M，计算量减少1.3 GFLOPs，FPS提升24.6。此外，对C3k2_CFC内部子结构的逐步消融实验表明，ConvFormer和CGLU在C3k2架构内具有协同效应，共同提升了模型精度和检测能力。

4.2 对比实验

在注意力特征增强模块对比中，C2BRA在检测精度与实时效率之间取得了最优平衡，mAP50为96.2%，mAP50:95为77.8%，吞吐量为161.7 FPS，优于C2PSA、C2DA、C2TSSA和C2CGA等替代方案。在检测头对比中，EfficientHead在保持高精度的同时实现了最佳计算效率，mAP50为96.0%，参数仅2.3 M，计算量降至5.1 GFLOPs，优于LQEHead、MultiSEAMHead和SEAMHead。P-R曲线对比显示，ISD-YOLO的P-R曲线始终位于YOLO11n之上，表明在相同召回率水平下具有更高精度。混淆矩阵对比显示，ISD-YOLO的精确识别率从0.95提升至0.97，进一步增强了印章类别的判别和识别质量。

五、结论

本研究提出了ISD-YOLO，一种用于发票印章检测的轻量级检测框架。通过C3k2_CFC模块增强多尺度特征表示，C2BRA模块实现内容自适应的区域选择，DAttention模块提升空间自适应特征采样能力，EfficientHead模块降低计算冗余。四个模块分别从特征表示、区域选择、空间对齐和预测效率四个维度进行优化，具有互补性。实验结果表明，ISD-YOLO在检测精度与计算效率之间取得了良好平衡，其轻量级设计表明在资源受限应用和边缘部署方面具有潜力，但仍需在更广泛的场景和实际边缘设备上进行进一步验证。