Остання редакція: 2026-02-13
Анотація
У роботі розглянуто проблему автоматичного розпізнавання рукописного тексту. Запропоновано та реалізовано гібридну архітектуру, що поєднує згорткові нейронні мережі для виділення візуальних ознак, рекурентні нейронні мережі для аналізу послідовностей та метод конекціоністської часової класифікації для навчання без посимвольної розмітки. Проведено експериментальне дослідження на еталонному наборі даних IAM, досягнуто показник помилки символів на рівні 14,6%.
Ключові слова
Посилання
LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-Based Learning Applied to Document Recognition // Proceedings of the IEEE. 1998. Vol. 86, No. 11. P. 2278–2324.
Graves A., Liwicki M., Fernández S. et al. A novel connectionist system for unconstrained handwriting recognition // IEEE Trans. Pattern Anal. Mach. Intell. 2009. Vol. 31, № 5. P. 855–868.
Graves A., Fernández S., Gomez F. Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks // Proc. 23rd Int. Conf. on Machine Learning (ICML). 2006. P. 369–376.
Marti U.-V., Bunke H. The IAM-database: an English sentence database for off-line handwriting recognition // Int. J. Document Anal. Recognit. 2002. Vol. 5, No. 1. P. 39–46.