基于CRNN和EnCTC的英文手写体识别研究

手写体识别一直是OCR领域的一个热点与难点,随着深度学习快速发展,在OCR领域取得不错的成果。论文设计了一种基于卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)和最大熵CTC(EnCTC)损失函数进行离线手写体英文识别方法,通过空间转换网络(STN)对数据样本进行几何转换,通过CNN网络提取文字图像特征序列,利用多层BiLSTM网络来学习特征序列的上下文信息,最后使用EnCTC损失函数来进行转录解码,在整个结构上实现了端到端(end-to-end)的识别,不需要对单词进行分开识别,通过对比实验来证明论文算法的有效性。