Нейросетевой анализатор документов

Данная работа посвящена разработке лёгкой и высокопроизводительной системы компьютерного зрения для распознавания структуры документов, специально оптимизированной для работы на встраиваемых устройствах, таких как планшеты компании KVADRA. Основной целью является обеспечение возможности распознавания и семантической интерпретации полей ввода (например, текстовых полей, чекбоксов, подписей) в отсканированных и синтетически сгенерированных документах в реальном времени. Для этого была реализована полностью автоматическая обработка. Она начинается с генератора документов на основе \LaTeX{}, который создаёт разнообразные обучающие примеры с заранее известной структурой, а затем преобразует их в формат изображения для имитации реального ввода с камеры. Разметка выполнялась как программно — на основе структуры \LaTeX{}, так и визуально — с применением методов компьютерного зрения (OpenCV) и OCR (Tesseract), что позволило модели адаптироваться к различным искажениям и типам макетов документов. В качестве модели объектного детектирования был выбран YOLOv11 — благодаря его оптимальному балансу между точностью и эффективностью. Путём поэтапной настройки — от базовой конфигурации до специализированного обучения (100 эпох, размер батча 66, разрешение изображений 1280) — удалось достичь показателя mAP@0.5:0.95 на уровне 0.82. Дополнительно были разработаны модули для присвоения обнаруженным полям семантических меток с помощью пространственных эвристик и результатов OCR, что позволило точно определять поля с названиями вроде «Email» или «Дата». Результирующая система является модульной, интерпретируемой и оптимизированной для работы на устройствах с ограниченными ресурсами. Работа демонстрирует, что точное и быстрое понимание структуры документов может быть реализовано на отечественном оборудовании без зависимости от облачных сервисов и зарубежных платформ, что поддерживает стратегические цели технологического суверенитета в B2B-сценариях — в банковской сфере, государственном управлении и промышленности.