В статье предлагается подход к адаптации нейросетевых моделей для создания OCR-систем, рассчитанных на работу со слитным неограниченным рукописным текстом. Подход основан на отказе от распознавания слитных символов и переходу к распознаванию отдельных штрихов, из которых затем собираются символы и/или слова текста. Рассматриваемый подход позволяет существенно понизить размерность нейронных сетей, используемых в OCR-системах, что приведет к повышению их производительности и качества распознавания.
The paper proposes an approach to adaptation of neural network models for creating OCR-systems, designed to work with uncjnstrained handwriting. The approach is based on the rejection of recognition of continuous characters and the transition to the recognition of individual strokes, which are then going to the characters and / or words of text. This approach can significantly reduce the dimension of neural networks used in the OCR-systems that will enhance their productivity and quality of recognition.
The authors declare that there are no conflicts of interest present.