githubharald/SimpleHTR

Handwritten Text Recognition (HTR) system implemented with TensorFlow.

What it solves

このプロジェクトは手書き文字認識（HTR）システムを提供し、ユーザーが手書きの単語や全文テキスト行の画像をデジタルテキストに変換できるようにします。多様な筆跡スタイルに対して手書き文字や単語を正確に認識する課題に対処します。

How it works

システムは TensorFlow で構築され、以下のニューラルネットワークアーキテクチャを採用しています：特徴抽出のための 5 層の畳み込みニューラルネットワーク（CNN）、シーケンスモデリングのための 2 層のリカレントニューラルネットワーク（RNN/LSTM）、そして視覚的特徴をテキストにマッピングするための Connectionist Temporal Classification（CTC）損失とデコード層。

以下の 3 種類のデコード方法をサポートしています：

  • Bestpath：デフォルトの基本デコーダ。
  • Beamsearch：より高度な検索ベースのデコーダ。
  • Word Beam Search：オプションの統合デコーダで、認識された単語を特定の辞書に制限し、精度を向上させます。

Who it’s for

このツールは、手書き OCR に関心のある開発者や研究者、そして IAM オフライン HTR データセットを使用して手書き文書をデジタル化したいすべての人を対象としています。

Highlights

  • Multi-level Recognition：単語と行全体の両方を認識可能。
  • Flexible Decoding：辞書制約付き認識のための専門的な word beam search を含む、複数の CTC デコーダを提供。
  • Performance Optimization：トレーニングのボトルネックを減らす LMDB ベースの高速画像ローダーを搭載。
  • Pretrained Models：単語レベルと行レベルの認識用にすぐ使えるモデルを提供。