一种可扩展的手写文本识别系统
计算机视觉与模式识别
2019-06-18 v2
摘要
许多关于（离线）手写文本识别（HTR）系统的研究集中于在小语料上构建行识别的最先进模型。然而，将 HTR 能力添加到大规模多语言 OCR 系统带来了新的挑战。本文解决了构建此类系统的三个问题：数据、效率与集成。首先，最大的挑战之一是获得充足的高质量训练数据。我们通过使用为大规模生产级在线手写识别系统收集的在线手写数据来解决该问题。我们描述了我们的图像数据生成流程，并研究了在线数据如何用于构建 HTR 模型。我们表明，在仅有少量真实图像可用的条件下（HTR 模型通常如此），这些数据显著改进了模型。它使我们能够以大幅更低的成本支持一种新的文字。其次，我们提出了一种基于无循环连接神经网络的行识别模型。该模型取得了与基于 LSTM 的模型相当的精度，同时允许在训练和推理中更好的并行性。最后，我们提出了一种将 HTR 模型集成到 OCR 系统中的简单方法。这些构成了将 HTR 能力引入大规模 OCR 系统的解决方案。
引用
@article{arxiv.1904.09150,
title = {A Scalable Handwritten Text Recognition System},
author = {R. Reeve Ingle and Yasuhisa Fujii and Thomas Deselaers and Jonathan Baccash and Ashok C. Popat},
journal= {arXiv preprint arXiv:1904.09150},
year = {2019}
}
备注
ICDAR 2019