CPU 上的印章检测与识别。覆盖中文圆形公章、椭圆章、方形名章、财务章、发票章，以及外文公司章、公证章和矩形签章。训练在 PyTorch，部署是两个 ONNX 模型加一份几何后处理，C API 和 Python 包共用同一套权重。
参数量远低于 1B。部署不使用视觉语言模型：Qwen 能读图的官方型号都超过 1B，1B 以内的 Florence-2 / SmolVLM 一类在 CPU 上仍然是生成式运行时。对比和数据许可写在 docs/research.md。
| 部分 | 做什么 | 体积 |
|---|---|---|
| SealDet | YOLOX-Nano，320 输入，stride 8/16/32，8 类 | 898,119 参数，ONNX 约 3.5MB |
| 几何 | 圆/椭圆极坐标展开，方章按格切开，矩形取水平带 | 无参数 |
| SealRec | 灰度 32×384，CNN-CTC，无 RNN | 6,169,425 参数（2,817 类），ONNX 约 24MB |
models/metrics.json 是合成页和 ReST 留出集混在一起的 hold-out，不是 ICDAR 官方 test。检测 mAP50 0.831，检测召回 1.000。方形名章走微调后的 PP-OCRv5，其余类别走 CTC。标题整串命中 0.532（合成页 0.661，ReST 0.239）。圆章整页 0.302，对齐条带仍是 0.764（146/191）。外文公司章整页 0.787，财务章 0.556，发票章 0.726，公证章 0.770，椭圆 0.381，矩形章 0.906，方章整页 0.255（35/137）。发票中心数字 0.041。Paddle 验证条带的公司名命中仍是 0.465，整串 0.113。合成方章条带 135/137。训练机 CPU 上整页约 227 ms。网页真实测试集 52 页：类无关 precision@0.5 0.240，召回 0.397，mAP50 0.097，整页约 303 ms。用户交的 63 张铺满画面的章：精确率、召回和 mAP50 都是 1.0，约 203 ms/张。两份识别模型和检测器合计约 44.9MB。
training/：合成数据、检测和识别训练、ONNX 导出。字体子集在training/fonts/。cpp/：C API、与 Python 对齐的几何、ONNX Runtime 会话。编译方式见 docs/sdk.md。python/：PyPI 包rapidstamp。.github/workflows/sdk.yml：Python 测试、Linux / Windows / macOS 的 C++ 构建、Android arm64 交叉编译，以及在这三个系统上打包并安装 wheel。
在有 GPU 的机器上：
python training/scripts/train_all.py --out /data/rapidstamp --models models默认合成 10000 张训练页和 800 张验证页，检测训 36 个 epoch，识别训 24 个 epoch。--fast 只跑几十页、一个 epoch，用来确认合成、训练、导出和评测能串起来。数据、*.pt 不进 git；导出的 ONNX 和 metrics.json 放在 models/。
真实印章包（ReST、PaddleOCR）和 checkpoint 放在训练机的 /home/mayong，准备方式见 docs/data.md。wang-zhix/seal_generate 没有许可证，源码和它自带的专有字体不进入这个仓库；窄字和底部数字是在自己的绘制代码里做的，说明见 docs/research.md。
pip install -e python
rapidstamp page.jpg --model-dir modelsC API：
rapidstamp_engine* engine = rapidstamp_create(
"models/seal_det.onnx", "models/seal_rec.onnx", "models/charset.txt", NULL);
rapidstamp_seal seals[16];
int n = rapidstamp_infer(engine, rgb, width, height, width * 3, seals, 16);
rapidstamp_destroy(engine);桌面、Android 和 iOS 的编译说明在 docs/sdk.md。ONNX Runtime 固定 1.22.0，因为这一版同时提供 Linux x64/arm64、Windows x64/arm64 和 macOS arm64/x86_64。
代码是 Apache-2.0。检测结构按 Megvii YOLOX-Nano 对齐，见根目录 NOTICE。中文字体子集来自文泉驿微米黑，见 training/fonts/NOTICE。公开印章数据集的许可和再分发限制见研究报告，图像不放进这个仓库。COCO 预训练的 yolox_nano.pth 不进 git。