Easter2.0：改进用于手写文本识别的卷积模型

卷积神经网络（CNN）在手写文本识别（HTR）任务中已展现出有前景的结果，但在性能上仍落后于基于循环神经网络（RNN）/Transformer的模型。在本文中，我们提出一种基于CNN的架构来弥合这一差距。我们的工作Easter2.0由多层一维卷积、批归一化、ReLU、Dropout、密集残差连接、压缩激励（Squeeze-and-Excitation）模块组成，并利用连接主义时序分类（CTC）损失。除Easter2.0架构外，我们提出一种简单而有效的数据增强技术“平铺与破坏（Tiling and Corruption, TACO）”，与HTR/OCR任务相关。我们的工作在使用仅公开可用训练数据在IAM手写数据库上训练时取得了最先进的结果。在我们的实验中，我们还展示了TACO增强与压缩激励（SE）对文本识别精度的影响。我们进一步表明Easter2.0适用于少样本学习任务，并在有限标注数据训练时优于当前最佳方法（包括Transformer）。代码与模型可在 https://github.com/kartikgill/Easter2 获取。