1.引言 本文研究了文本行识别的问题。与大多数针对特定领域（例如场景文本或手写文档）的方法不同，本文针对通用架构的一般问题进行研究，该模型结构不用考虑数据输入形式，可以从任何图像中提取文本。本文研究了两个解码器（CTC[1]和 Transformer[2]）和三个编码器模块（双向LSTM[3]、Self-Attention[4]和GRCL[5])，通过大量实验在广泛使用的场景和手写文本公共数据集上...

特别声明： 版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。