利用上下文相关信息的汉字文本识别

为了改善汉字文本识别率，本文提出了一种基于语料库统计概率的后处理方法，该方法利用上下文相关信息，超过词汇。对于汉字文本识别，把具有确定性边界的一个汉字序列（多数情况为一个句子）作为一个处理单元，利用统计获得的字字同现概率，采用动态规划方法，获得了令人满意的效果。

基于Inception结构的手写汉字档案文本识别方法

针对手写汉字文本识别准确率不高的问题,提出了一种结合卷积神经网络和循环神经网络进行手写汉字文本识别的端到端方法。首先,通过Inception模块构建的卷积神经网络提取文本图像的基本特征;然后,使用循环神经网络对提取的特征进行预测,并输出一个关于汉字字符集的概率分布;最后,采用连接主义序列分类算法计算识别结果并构建损失函数。利用所提方法在手写汉字文本数据集上进行实验,结果表明,Inception模块和数据增强方法可以有效提升算法的性能,并取得了71.2%的识别准确率和0.060的文本编辑距离,较现有方法性能有所提升,证明了所提方法的有效性。