基于深度学习模型的连续离线手写识别

手写文本识别是自动文档图像分析领域中一个备受关注的开放问题。对数字化文档中手写内容的转写，在分析历史档案或将手写文档、表格与信件中的信息数字化方面具有重要意义。近年来，由于将深度学习技术应用于该问题的求解，此领域取得了巨大进展。本论文研究离线连续手写文本识别（HTR）问题，即开发能够对图像中文本进行转写而无需将文本分割为字符的算法与模型。为此，我们提出了一种基于整合两类深度学习架构的新识别模型：卷积神经网络（CNN）与序列到序列（seq2seq）模型。模型的卷积部分用于识别字符中的相关特征，seq2seq 部分通过建模文本的顺序性质构建文本转写。为设计此新模型，我们对不同卷积架构在孤立字符识别简化问题中的能力进行了广泛分析，以识别最适合集成到连续模型中的架构。此外，我们对所提连续问题模型进行了大量实验，以确定其对参数化变化的鲁棒性。该模型的泛化能力也通过在三个使用不同语言的手写文本数据库上的评估得到验证：分别为英语的 IAM、法语的 RIMES 与西班牙语的 Osborne。所提新模型取得了与其他成熟方法相竞争的结果。