githubharald/SimpleHTR

What it solves

本项目提供手写文本识别（HTR）系统，允许用户将手写单词或整行文本的图像转换为数字文本。它解决了在面对多种手写风格时，准确识别手写字符和单词的挑战。

How it works

系统使用 TensorFlow 构建，采用神经网络架构：五层卷积神经网络（CNN）用于特征提取，两层循环神经网络（RNN/LSTM）用于序列建模，并配备连接时序分类（CTC）损失和解码层，将视觉特征映射为文本。

它支持三种解码方法：

• Bestpath：默认的基础解码器。
• Beamsearch：更高级的基于搜索的解码器。
• Word Beam Search：可选的集成解码器，限制识别的单词必须在特定词典中，以提高准确率。

Who it’s for

此工具面向对手写光学字符识别（OCR）感兴趣的开发者和研究人员，以及任何需要使用 IAM 离线 HTR 数据集将手写文档数字化的人。

Highlights

• Multi-level Recognition：能够识别单词和整行文本。
• Flexible Decoding：提供多种 CTC 解码器，包括专门的 word beam search 用于词典约束识别。
• Performance Optimization：包含基于 LMDB 的快速图像加载器，减少训练瓶颈。
• Pretrained Models：提供可直接使用的单词级和行级识别模型。