githubharald/SimpleHTR

What it solves

本專案提供手寫文字辨識（HTR）系統，讓使用者能將手寫單字或整行文字的影像轉換為數位文字。它解決了在面對多樣化手寫風格時，準確辨識手寫字元與單詞的挑戰。

How it works

系統以 TensorFlow 建置，採用神經網路架構：五層卷積神經網路（CNN）負責特徵抽取，兩層循環神經網路（RNN/LSTM）負責序列建模，並搭配連接時序分類（CTC）損失與解碼層，將視覺特徵映射為文字。

它支援三種解碼方式：

• Bestpath：預設的基本解碼器。
• Beamsearch：較進階的搜尋式解碼器。
• Word Beam Search：可選的整合式解碼器，限制辨識結果必須在特定字典內，以提升準確度。

Who it’s for

此工具適合對手寫光學字元辨識（OCR）有興趣的開發者與研究人員，也適用於任何需要使用 IAM 離線 HTR 資料集將手寫文件數位化的人。

Highlights

• Multi-level Recognition：能辨識單字與整行文字。
• Flexible Decoding：提供多種 CTC 解碼器，包含針對字典限制的專屬 word beam search。
• Performance Optimization：內建基於 LMDB 的高速影像載入器，減少訓練瓶頸。
• Pretrained Models：提供即用的單字層級與行層級辨識模型。