Enhancing IMU-Based Online Handwriting Recognition via Contrastive Learning with Zero Inference Overhead
Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-艾萨克-亚历山大大学埃尔朗根-纽伦堡）；STABILO International GmbH（STABILO国际有限公司）；Ludwig-Maximilians-Universität München（路德维希-马克西米利安大学慕尼黑）；Munich Center for Machine Learning（慕尼黑机器学习中心）；Helmholtz Zentrum München - German Research Center for Environmental Health（海德堡中心慕尼黑 - 德国环境健康研究中心）
提出ECHWR训练框架，利用对比学习对齐传感器信号与语义文本嵌入，在不增加推理成本下提升在线手写识别准确率，在OnHW-Words500数据集上字符错误率降低达10.4%。
2026-06-23 cs.CV cs.LG
Fine-tuning Handwriting Recognition systems with Temporal Dropout
RNNLab（RNN实验室）；University of Balamand（巴拉曼大学）
本文介绍了一种新的方法来微调手写识别系统的基础上递归神经网络（RNN）。长短期记忆（LSTM）网络擅长对长序列进行建模，但随着时间的推移，它们往往会过拟合。为了提高系统对序列建模的能力，我们建议在序列中的随机位置丢弃信息。我们称之为时间丢弃（TD）。我们将TD应用于图像级别以及内部网络表示。我们表明，TD改善了两个不同的数据集上的结果。我们的方法在Rodrigo数据集上的性能优于以前的最新技术。
2021-01-31 cs.AI cs.CV cs.LG
An MLP Baseline for Handwriting Recognition Using Planar Curvature and Gradient Orientation
Department of Science, Technology & Mathematics（科学、技术与数学系）
本研究验证了仅用平面曲率和梯度方向等二阶几何特征即可驱动MLP实现手写字符识别，在MNIST和EMNIST上分别达到97%和89%的准确率，证明可解释手工特征也能发挥深度学习优势。
2025-08-28 cs.CV cs.LG
End to End Recognition System for Recognizing Offline Unconstrained Vietnamese Handwriting
Center for Open Data in the Humanities（人文开放数据中心）；Tokyo University of Agriculture and Technology（东京农工大学）
受最近神经机器翻译和图像字幕生成成功的启发，我们提出了一个基于注意的编码器解码器模型（AED）识别越南手写文本。该模型由两个部分组成：用于提取不变特征的DenseNet和具有用于生成输出文本的注意力模型的长短期记忆网络（LSTM）（LSTM解码器），它们从CNN部分连接到注意力模型。CNN部分的输入是手写文本图像，LSTM解码器的目标是输入图像的对应文本。我们的模型是端到端训练的，可以从给定的输入图像中预测文本，因为所有的部分都是差分分量。在实验部分，我们评估我们提出的AED模型上VNOnDB-Word和VNOnDB-Line数据集，以验证其效率。实验结果表明，在不使用任何语言模型的情况下，我们的模型达到了12.30%的单词错误率。这一结果与谷歌在越南在线手写文本识别比赛中提供的手写识别系统具有竞争力。
2019-05-14 cs.CV cs.LG
Towards an IMU-based Pen Online Handwriting Recognizer
Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；STABILO International GmbH（思笔乐国际有限公司）
大多数在线手写识别系统需要使用特定的书写表面来提取位置数据。在本文中，我们提出了一个在线手写识别系统的文字识别，这是基于惯性测量单元（IMU）的数字化写在纸上的文本。这是通过配备传感器的笔获得的，该笔通过蓝牙提供加速度、角速度和磁力。我们的模型结合了卷积和双向LSTM网络，并使用连接主义时间分类损失进行训练，允许将原始传感器数据解释为单词，而无需序列分割。我们使用一个数据集的话收集使用多传感器增强笔和评估我们的模型上不同的测试集看到和看不见的话实现了17.97%和17.08%的字符出错率，分别没有使用字典或语言模型
2021-05-26 cs.CV cs.LG
Representing Online Handwriting for Recognition in Large Vision-Language Models
Google Research（谷歌研究院）
本文提出一种同时包含时序笔画文本和图像的数字墨水标记化表示，使现成视觉-语言模型无需改架构即可在在线手写识别上达到或超越最先进水平。
2024-02-23 cs.AI cs.CV cs.LG
UIT-HWDB: Using Transferring Method to Construct A Novel Benchmark for Evaluating Unconstrained Handwriting Image Recognition in Vietnamese
University of Information Technology（信息技术大学）；Vietnam National University, Ho Chi Minh City（胡志明市越南国家大学）
针对越南语手写识别数据稀缺及现有由笔迹坐标生成图像不真实的问题，提出 Transferring 方法构建高质量自然合成基准 UIT-HWDB，并通过多种前沿方法实验揭示识别挑战。
2022-11-10 cs.CL cs.CV
Dropout improves Recurrent Neural Networks for Handwriting Recognition
A2iA；SUTD（新加坡科技设计大学）；LIMSI CNRS（法国国家科学研究中心机械与工程计算机科学实验室）
具有长短期记忆细胞的循环神经网络（RNN）目前在无约束手写识别中具有最好的结果。我们表明，使用dropout -最近提出的深度架构正则化方法，可以大大提高它们的性能。虽然以前的工作表明，dropout在卷积网络的背景下具有更好的性能，但它从未应用于RNN。在我们的方法中，在网络中仔细使用dropout，以便它不会影响循环连接，因此保留了RNN在建模序列中的能力。在广泛的手写数据库上进行的大量实验证实了dropout在深度架构上的有效性，即使网络主要由循环和共享连接组成。
2014-03-10 cs.CV cs.LG cs.NE
Digital Peter: Dataset, Competition and Handwriting Recognition Methods
Sber（俄罗斯联邦储蓄银行）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Lomonosov MSU（罗蒙诺索夫莫斯科国立大学）；STC-innovations（STC创新公司）；University of London（伦敦大学）；OCRV；AIRI（AIRI人工智能研究所）
本文提出了一个新的彼得大帝的手稿数据集，并描述了一个分割过程，转换成行的文件的初始图像。新的数据集可能有助于研究人员训练手写文本识别模型，作为比较不同模型的基准。它由9694个图像和文本文件组成，对应于历史文献中的行。开放式机器学习竞赛Digital Peter就是基于所考虑的数据集举办的。本文介绍了本次比赛的基本解决方案以及更先进的手写文本识别方法。完整的数据集和所有代码都是公开的。
2021-08-28 cs.AI cs.CV cs.LG
Motion-Based Handwriting Recognition
Stanford University（斯坦福大学）
我们试图克服手写识别需要书写表面的限制。在这项研究中，我们设计了一个配备运动传感器的手写笔原型，并利用陀螺仪和加速度传感器读取，使用各种深度学习技术（如CNN和RNN）进行书面字母分类。我们还探索了各种数据增强技术及其效果，准确率高达86%。
2021-01-15 cs.AI cs.CV
Adversarial Attacks on Online Handwriting using Salience-based Temporal Editing
Kyushu University（九州大学）
研究在线手写识别模型的对抗攻击问题，提出基于显著性引导时间编辑的框架，通过按时间显著性插入和删除点生成对抗样本，在保持手写视觉结构的同时具有更强的一次性黑盒转移性。
2026-09-22 cs.CV cs.LG
Motion-Based Handwriting Recognition and Word Reconstruction
Stanford University（斯坦福大学）
在这个项目中，我们利用一个经过训练的单字母分类器，通过设计一个由动态编程算法和自动校正模型组成的单词重建管道，从连续书写的单词序列中预测书写单词。我们在这个管道中进行实验来优化模型，然后使用领域自适应来探索在看不见的数据分布上使用这个管道。
2021-01-15 cs.CV
Neural Architecture based on Fuzzy Perceptual Representation For Online Multilingual Handwriting Recognition
University of Sfax（斯法克斯大学）；National Engineering School of Sfax（斯法克斯国立工程师学院）；Sifast
由于移动设备的无处不在，在线手写脚本已经成为智能手机和平板设备的最重要的馈送输入。为了提高在线手写识别性能，更深的神经网络已被广泛使用。在此背景下，我们的论文处理的问题，在线手写体识别的基础上提取特征系统和深入的方法系统的序列分类。已经出现了许多解决方案，以促进手写识别。因此，我们使用现有的方法，并结合新的分类器，以获得一个灵活的系统。与在线拉丁文和阿拉伯文字符和单词识别系统相比，取得了良好的效果。我们提出的两个系统的性能进行评估，使用五个数据库。事实上，识别率超过98%。
2019-08-01 cs.CV
Stroke-Based Cursive Character Recognition
Universal Robot Co. Ltd.（环球机器人有限公司）
人眼可以看到和阅读以自然手写或印刷格式书写或显示的内容。同样的工作，如果机器做的是所谓的手写识别。手写识别可以分为两类：离线和在线。...
2013-04-01 cs.CV
AltecOnDB: A Large-Vocabulary Arabic Online Handwriting Recognition Database
Faculty of Computers & Information（计算机与信息学院）
阿拉伯语是一种闪米特语，其特点是形态复杂而丰富。书写系统的特殊程度的歧义，丰富的形态，以及根和模式的高度复杂的构词过程，都有助于使阿拉伯语的计算方法非常具有挑战性。因此，一个实用的手写识别系统应该支持大词汇量，以提供高覆盖率，并使用上下文信息进行消歧。一些研究工作已经致力于建立在线阿拉伯手写识别系统。这些方法中的大多数要么使用它们的小的私有测试数据集，要么使用具有有限词汇和覆盖范围的标准数据库。大规模的手写体数据库是促进在线手写体识别研究的重要资源。目前，还没有一个词汇量大、覆盖面广、有大量书写者和培训/测试数据的在线阿拉伯文笔迹数据库。本文介绍了一个大型在线阿拉伯笔迹数据库AltecOnDB。AltecOnDB覆盖了阿拉伯语所有可能的PAWS的98%。所收集的样本是包括数字和标点符号的完整句子。收集的数据在句子、单词和字符级别上可用，因此，高级语言模型可以用于性能改进。数据来自1000多名不同背景、性别和年龄的作家。注释和验证工具的开发，以促进注释和验证阶段。我们建立了一个基本的识别系统来测试我们的数据库，并显示在处理大量的词汇和处理大量的风格变化收集的数据时存在的困难。
2014-12-24 cs.CV
A Transformer Based Handwriting Recognition System Jointly Using Online and Offline Features
Indian Statistical Institute, India（印度统计研究所）；Manipal University Jaipur, India（贾浦尔曼纳普大学）；University of Salford, United Kingdom（萨尔福德大学）
提出一种端到端Transformer网络，通过在共享潜在空间中早期融合离线图像与在线笔划数据，在IAMOn-DB等数据集上实现高达1%的准确率提升，达到SOTA。
2025-06-25 cs.CV cs.LG
A syllable based model for handwriting recognition
Normandie University（诺曼底大学）；University of Rouen（鲁昂大学）；LITIS Laboratory EA 4108（LITIS实验室 EA 4108）
本文提出了一种新的基于音节的手写体识别文本建模方法。我们提出了一个监督的音节法和英语语言建立一个音节的词汇。音节的统计n-gram语言模型在法语和英语维基百科语料库上训练。手写体识别系统，基于光学HMM上下文无关的字符模型，执行两遍解码，结合所提出的音节模型。在法语RIMES数据集和英语IAM数据集上，通过分析音节模型在不同覆盖率下的性能进行了评估。我们还比较了音节模型与词汇和字符n-gram模型。所提出的方法达到有趣的性能，由于它的能力，以涵盖大量的词汇表中的单词与有限数量的音节相结合的统计n-gram的合理顺序。
2018-08-22 cs.CV
A Hybrid NN/HMM Modeling Technique for Online Arabic Handwriting Recognition
University of Sfax（斯法克斯大学）
在这项工作中，我们提出了一个混合NN/HMM模型的在线阿拉伯手写识别。该系统是基于隐马尔可夫模型（HMM）和多层感知器神经网络（MLPNNs）。通过检测曲线速度分布的极值点，基于Beta-Elliptical策略将输入信号分割成连续的笔划，称为段。一个神经网络训练段级上下文信息被用来提取类字符概率。该网络的输出由HALTH解码，以提供字符级识别。在对ADAB数据库的评估中，我们实现了96.4%的字符识别准确率，与最先进的在线阿拉伯语系统获得的字符识别准确率相比，这在统计学上非常重要。
2014-01-02 cs.CV
Handwriting Recognition in Historical Documents with Multimodal LLM
针对历史手写文献OCR难度大、现有Transformer模型依赖人工标注且泛化性差的问题，本文评估了多模态大模型Gemini的手写文档转录准确率，并与当前最优Transformer方法做对比。
2024-10-31 cs.CV
Handwriting Recognition of Historical Documents with few labeled data
University of Balamand（巴拉曼大学）；Institut Mines Telecom（法国矿业电信学院）；Telecom ParisTech（巴黎高等电信学院）；Université Paris-Saclay（巴黎萨克雷大学）
历史文档对离线手写识别系统提出了许多挑战，其中包括分割和标记步骤。训练HTR系统需要仔细注释的文本行。在某些情况下，文字记录仅在段落级别可用，没有文本行信息。在这项工作中，我们演示了如何训练一个HTR系统与一些标记的数据。具体来说，我们仅在数据集中10%的手动标记文本行数据上训练深度卷积递归神经网络（CRNN）系统，并提出了一个覆盖其余数据的增量训练过程。通过使用特制的多尺度数据增强训练集，性能得到进一步提高。我们还提出了一个基于模型的归一化方案，考虑到在识别阶段的写作规模的变化。我们将这种方法应用于公开可用的READ数据集。我们的系统在ICDAR2017竞赛中取得了第二好的成绩。
2018-11-10 cs.CV cs.LG stat.ML
AlexU-Word: A New Dataset for Isolated-Word Closed-Vocabulary Offline Arabic Handwriting Recognition
Egypt-Japan University of Science and Technology（埃及日本科技大学）；Alexandria University（亚历山大大学）
在本文中，我们介绍了一个新的数据集离线阿拉伯手写识别的第一阶段。其目的是收集一个非常大的孤立的阿拉伯语单词数据集，使用少量的简单单词涵盖所有可能形状的字母表中的所有字母。最终目标是收集一个非常大的分割字母图像数据集，可用于构建和评估基于分割字母识别的阿拉伯语手写识别系统。当前版本的数据集包含$109$唯一阿拉伯单词的$25114$样本，这些单词涵盖了所有字母表字母的所有可能形状。样本从$907$作者处收集。在目前的形式下，数据集可以用于封闭词汇表单词识别的问题。我们评估了一些基于窗口的描述符和分类器在这项任务中，并获得了$92.16\%$使用基于SIFT的描述符和人工神经网络的准确性。
2014-11-17 cs.CV
Does color modalities affect handwriting recognition? An empirical study on Persian handwritings using convolutional neural networks
Kosar University of Bojnord（博季诺尔德科萨尔大学）；Concordia University（康考迪亚大学）
该研究利用含三种色彩模态的波斯语手写数据集，通过CNN实验探究色彩模态对手写识别的影响，发现黑白图像识别表现更优、效率更高，但不同模态准确率无显著差异。
2023-07-22 cs.CV
EMOTHAW: A novel database for emotional state recognition from handwriting
CNRS（法国国家科学研究中心）；Second University of Naples（那不勒斯第二大学）；International Institute for Advanced Scientific Studies-IIASS（国际高级科学研究院-IIASS）；Escola Universitaria Politecnica de Mataro（马塔罗理工学院）；TecnoCampus Mataro-Maresme（马塔罗-马雷斯梅技术园区）
通过日常活动（如手写）检测负面情绪有助于促进幸福感。人机界面（如平板电脑）的普及使得手写样本的收集变得更加容易。在这种情况下，我们提出了第一个公开可用的手写数据库，其中涉及到情绪状态的手写，我们称之为EMOTHAW。该数据库包括129名参与者的样本，他们的情绪状态，即焦虑，抑郁和压力，通过抑郁焦虑压力量表（DASS）问卷进行评估。七个任务通过数字化平板电脑记录下来：五边形和房屋图，用手印抄写的单词，圆圈和时钟图，以及用草书抄写的一个句子。记录包括笔的位置、纸上和空中、时间戳、压力、笔的方位角和高度。我们对这个数据库进行了分析。从收集的数据，我们首先计算与定时和导管相关的测量。我们根据书写设备的位置计算单独的测量值：在纸上或在空气中。我们使用随机森林方法对这组测量值（称为特征）进行分析和分类。后者是一种机器学习方法[2]，基于决策树的集成，其中包括一个特征排序过程。我们使用这个排名过程来识别最能揭示目标情绪状态的特征。然后，我们建立随机森林分类器与每个情绪状态。我们的结果，从交叉验证实验中获得的，表明目标的情绪状态可以识别的准确率从60%到71%。
2022-02-23 cs.CV cs.LG
An Open Source Testing Tool for Evaluating Handwriting Input Methods
South China University of Technology（华南理工大学）
本文介绍了一个开源的中文手写输入法识别准确率测试工具。该工具包括两个模块，即PC和Android移动客户端。PC客户端读取计算机中的手写样本，并根据套接字通信协议将其单独传输到Android客户端。Android客户端接收到数据后，在客户端设备屏幕上模拟手写，并触发相应的手写识别方法。识别精度由Android客户端记录。我们提出了设计原则，并描述了测试平台的实现。我们构建了几个测试集，用于评估不同的手写识别系统，并进行了客观和全面的测试，使用六种中文手写输入法与五个数据集。然后对识别准确率的测试结果进行了比较和分析。
2015-05-30 cs.CV cs.HC
Fully Convolutional Networks for Handwriting Recognition
Rochester Institute of Technology（罗切斯特理工学院）；Kodak Alaris（柯达乐芮）
手写文本识别具有挑战性，因为人类可以用几乎无限的方式编写相同的消息。我们的完全卷积手写模型接受未知长度的手写样本，并输出任意符号流。我们的双流架构使用本地和全球的背景下，减轻了繁重的预处理步骤，如符号对齐校正以及复杂的后处理步骤，如连接主义的时间分类，字典匹配或语言模型的需要。使用超过100个独特的符号，我们的模型是不可知的拉丁语为基础的语言，并被证明是相当有竞争力的最先进的字典为基础的方法在流行的IAM和RIMES数据集。当一个字典是已知的，我们进一步允许一个概率字符出错率，以纠正错误的字块。最后，我们介绍了一种基于注意力的机制，它可以自动定位手写体的变体，如倾斜，笔画宽度或噪音。
2019-07-10 cs.CV
CNN-BiLSTM model for English Handwriting Recognition: Comprehensive Evaluation on the IAM Dataset
Sabanci University（萨班哲大学）；Center of Excellence in Data Analytics (VERIM)（数据分析卓越中心（VERIM））
提出用于离线英文手写识别的CNN-BiLSTM系统，在IAM数据集上评估模型大小、数据增强等因素，通过CTC层和测试时增强降低错误率，并进行错误分析与开源。
2023-07-02 cs.CV
Content and Style Aware Generation of Text-line Images for Handwriting Recognition
Shantou University（汕头大学）；Helsing AI（赫尔辛AI）；AllRead MLT（AllRead机器学习技术公司）；Computer Vision Center（计算机视觉中心）；Universitat Autonoma de Barcelona（巴塞罗那自治大学）；omni:us（omni:us公司）
手写文本识别在公共基准测试中取得了令人印象深刻的表现。然而，由于手写风格之间的高类间和类内可变性，需要使用大量的手动标记的训练数据来训练这样的识别器。为了缓解这个耗费人力的问题，在训练循环中经常使用用TrueType字体生成的合成数据来增加容量并增强手写风格的可变性。然而，有一个显着的风格偏差之间的合成和真实的数据，这阻碍了识别性能的提高。为了解决这些问题，我们提出了一种手写文本行图像的生成方法，该方法以视觉外观和文本内容为条件。我们的方法是能够产生不同的手写风格的长文本行样本。一旦经过适当的训练，我们的方法也可以通过仅访问未标记的文本行图像来模仿手写样式并生成具有任何文本内容的图像来适应新的目标数据。大量的实验已经做了利用生成的样本，以提高手写体文本识别性能。定性和定量的结果表明，所提出的方法优于目前的最先进的。
2022-04-12 cs.CV
FW-GAN: Frequency-Driven Handwriting Synthesis with Wave-Modulated MLP Generator
University of Information Technology（信息技术大学）；Vietnam National University（越南国家大学）
FW-GAN提出单样本手写体合成框架，通过相位感知Wave-MLP生成器、频率引导判别器和频率分布损失，利用频率信息生成风格一致的高质量手写体，用于低资源手写识别数据增强。
2025-08-28 cs.CV cs.LG
Robust End-to-End Offline Chinese Handwriting Text Page Spotter with Text Kernel
University Of Science And Technology Of China（中国科学技术大学）；Suzhou Institute for Advanced Research, University Of Science And Technology Of China（中国科学技术大学苏州高等研究院）
脱机中文手写文本识别是模式识别领域的一个长期研究课题。在以往的研究中，文本检测和识别是分离的，这导致文本识别高度依赖于检测结果。在本文中，我们提出了一个强大的端到端的中文文本页面spotter框架。该算法将文本检测和文本识别有机地结合起来，采用文本核技术，融合全局文本特征信息，从多个尺度上优化识别，降低了检测的依赖性，提高了系统的鲁棒性。在CASIA-HWDB 2.0- 2. 2数据集和ICDAR-2013竞赛数据集上，我们的方法取得了最好的结果。在没有任何语言模型的情况下，行级识别的正确率分别为99.12%和94.27%，页级识别的正确率分别为99.03%和94.20%。
2021-07-04 cs.CV
Handwriting recognition using Cohort of LSTM and lexicon verification with extremely large lexicon
Normandie Univ（诺曼底大学）；UNIROUEN（鲁昂大学）；UNIHAVRE（勒阿弗尔大学）；INSA Rouen（鲁昂国立应用科学学院）；LITIS（信息处理与系统实验室）
最先进的手写识别方法是基于长短期记忆（LSTM）递归神经网络（RNN），它现在提供了非常令人印象深刻的字符识别性能。字符识别通常与集成字典的词典驱动的解码过程耦合。不幸的是，这些词典对于最好的系统来说被限制在数十万个单词，这妨碍了具有良好的语言覆盖率，并且因此限制了全局识别性能。在这篇文章中，我们提出了一个替代的词典驱动的解码过程的基础上的词典验证过程，加上一个原始的级联架构。级联由从单个训练（称为队列）中提取的大量互补网络组成，使得学习过程非常轻松。所提出的方法实现了新的国家的最先进的词识别性能的Rimes和IAM数据库。处理300万字的巨大的词汇，该方法也展示了有趣的性能与快速决策阶段。
2017-09-25 cs.CV
Online trajectory recovery from offline handwritten Japanese kanji characters
Institute of Global Innovation Research（全球创新研究机构）；Tokyo University of Agriculture and Technology（东京农工大学）
通常，从在线手写模式呈现离线手写图像是简单的。然而，这是具有挑战性的重建一个在线的手写模式给定的离线手写图像，特别是多笔划的字符，如日本汉字。多笔画字符不仅需要点坐标，而且需要笔画顺序，其难度随笔画数量呈指数增长。此外，多个交叉和接触点可能会增加恢复任务的难度。我们提出了一种基于深度神经网络的方法来解决使用大型在线手写数据库的恢复任务。我们提出的模型有两个主要组成部分：基于卷积神经网络的编码器和基于长短期记忆网络的解码器与注意层。编码器专注于特征提取，而解码器参考提取的特征并生成坐标的时间序列。我们还演示了在重建过程中的注意层，以指导解码器的效果。我们通过视觉验证和手写字符识别来评估所提出的方法的性能。虽然视觉验证揭示了一些问题，识别实验表明，在提高离线手写字符识别的准确性时，结合在线识别的恢复轨迹的轨迹恢复的效果。
2020-09-09 cs.CV cs.LG
Implicit segmentation of Kannada characters in offline handwriting recognition using hidden Markov models
National Institute of Technology Karnataka（卡纳塔克国家理工学院）
我们描述了一种方法，使用隐马尔可夫模型（HMM）的手写卡纳达语字符的分类。卡纳达文是粘着的，简单的形状水平连接形成一个字符。这导致了大量的字符，使得分类任务变得困难。字符分割在减少类别数方面起着重要作用。当存在重叠的形状时，显式分割技术会受到影响，这在手写文本的情况下很常见。我们使用Humble来利用卡纳达语脚本的粘合性质，这使我们能够在识别的同时执行字符的隐式分割。所有的实验都是在Chars74k数据集上进行的，该数据集由多个用户收集的657个手写字符组成。从单个字符中提取基于特征的特征，并用于训练字符Hacker。在字符级使用隐式分割技术导致了约10%的改进。该系统在相同数据集上测试的性能也优于现有系统约16%。基于学习曲线的分析表明，增加训练数据可以导致更好的准确性。因此，我们收集了额外的数据，并获得了4%的改善与6个额外的样本。
2014-10-16 cs.CV cs.LG
Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia Detection and OCR for Potentially Dysgraphic Handwriting
Vellore Institute of Technology, Chennai（韦洛尔理工学院金奈校区）
本研究利用自定义CNN及VGG16、ResNet50对马来西亚学童手写样本进行书写障碍检测，准确率达91.8%，并构建OCR流水线实现约43.5%的字符识别准确率，为辅助诊断工具开发奠定基础。
2024-11-18 cs.CV cs.LG
Diffusion models for Handwriting Generation
在本文中，我们提出了一个扩散概率模型的手写生成。扩散模型是一类生成模型，其中样本从高斯噪声开始并逐渐去噪以产生输出。我们的手写生成方法不需要使用任何基于文本识别的，基于书写风格的，或对抗性的损失函数，也不需要训练辅助网络。我们的模型能够直接从图像数据中融入作者风格特征，从而无需在采样期间进行用户交互。实验表明，我们的模型是能够生成逼真的，高质量的图像的手写文本在一个类似的风格给一个给定的作家。我们的实现可以在https://github.com/tcl9876/Diffusion-Handwriting-Generation上找到
2020-11-13 cs.CV cs.LG
CENSUS-HWR: a large training dataset for offline handwriting recognition
Brigham Young University（杨百翰大学）；University of Notre Dame（圣母大学）
本文提出CENSUS-HWR大型离线手写识别数据集，包含181万张灰度图像和186万条手写文本，旨在为深度学习算法提供基准，解决小数据集导致的过拟合问题。
2023-05-25 cs.AI cs.CV
Language Model Supervision for Handwriting Recognition Model Adaptation
Brigham Young University（杨百翰大学）；Adobe Research（奥多比研究院）
训练最先进的离线手写识别（HWR）模型需要大型标记数据集，但不幸的是，由于人工标记的高成本，这样的数据集并不适用于所有语言和领域。我们通过展示如何利用高资源语言来帮助低资源语言的训练模型来解决这个问题。我们提出了一种迁移学习方法，在这种方法中，我们调整在源语言上训练的HWR模型，使用相同书写脚本的目标语言。该方法仅需要源语言中的标记数据、目标语言中的未标记数据以及目标语言的语言模型。该语言模型用于自举的方式来完善预测的目标语言作为地面真理在训练model.Using这种方法，我们证明了提高可移植性之间的法语，英语和西班牙语使用历史和现代手写数据集。在最好的情况下，使用所提出的方法进行传输，其字符出错率几乎与全监督训练一样好。
2018-08-04 cs.CV
A Unified Multilingual Handwriting Recognition System using multigrams sub-lexical units
Normandie University（诺曼底大学）；University of Rouen（鲁昂大学）
我们解决了一个统一的多语种手写识别系统的设计。大多数多语言系统依赖于在单一语言上训练的专用模型，并且在测试时选择其中一个。虽然一些识别系统是基于统一的光学模型，但处理统一的语言模型仍然是一个主要问题，因为传统的语言模型通常是在由每种语言的大单词词典组成的语料库上训练的。在这里，我们提出了一个解决方案，考虑语言模型的基础上的子词汇单位，称为multigrams。处理多重语法大大减少了词典的大小，从而降低了语言模型的复杂性。这使得端到端统一的多语言识别系统的设计成为可能，其中单个光学模型和单个语言模型都在所有语言上训练。我们讨论了语言统一对每个模型的影响，并表明我们的系统达到了最先进的方法性能，大大降低了复杂性。
2018-08-28 cs.CV
Large Vocabulary Arabic Online Handwriting Recognition System
Cairo University（开罗大学）；King Abdulaziz University（阿卜杜勒阿齐兹国王大学）
阿拉伯语书写是一种辅音和草书书写。阿拉伯文字的分析更加复杂，因为大多数字母的上方或下方都有强制性的点/笔画，而且通常会按顺序延迟书写。由于书写风格的模糊性和多样性，识别系统通常基于一组可能的单词，称为词典。当词汇量较小时，识别精度更重要，因为识别时间最短。另一方面，在处理大词典时，识别速度以及准确性都是至关重要的。阿拉伯语有丰富的词法和句法，这使得它的词汇量很大。因此，一个实用的在线手写识别系统应该能够处理一个大的词典与合理的性能方面的准确性和时间。在本文中，我们介绍了一个完全成熟的隐马尔可夫模型（HMM）为基础的阿拉伯语在线手写识别系统，提供了解决方案，在认识阿拉伯语脚本固有的困难。介绍了一种新的处理延迟笔划的预处理技术。我们使用先进的建模技术，从训练数据建立我们的识别系统，以提供更详细的表示为写作单位之间的差异，最大限度地减少作家之间的差异，在训练数据，并有一个更好的代表性的特征空间。系统结果使用具有高阶语言模型和跨词HMM模型的附加后处理步骤来增强。使用两个不同的数据库，涵盖小型和大型词典的系统性能进行评估。我们的系统优于国家的最先进的系统的小型词典数据库。此外，它在支持大型词典时显示出有希望的结果（准确性和时间），并有可能针对特定作者调整模型以获得更好的结果。
2015-10-17 cs.CV
Well-Conditioned Polynomial Representations for Mathematical Handwriting Recognition
Department of Computer Science, Western University（计算机科学系，西部大学）；Cheriton School of Computer Science, University of Waterloo（切尔顿计算机科学学院，滑铁卢大学）
本文针对数学手写识别任务，探究不同多项式基与多项式次数的权衡关系，通过分析多项式求值条件数、界定内积对符号差异的范数作用，实现低计算成本的精准笔迹建模。
2025-11-17 cs.CV
Auxiliary Cross-Modal Representation Learning with Triplet Loss Functions for Online Handwriting Recognition
Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML））
本文提出基于三元组损失的跨模态表示学习方法（CMR-IS），利用图像辅助任务提升时间序列分类性能，在在线手写识别中实现更高准确率与更好泛化。
2023-08-03 cs.CV cs.LG
Continuous Offline Handwriting Recognition using Deep Learning Models
手写文本识别是文档图像自动分析领域的一个重要课题。数字化文档中手写内容的转录在分析历史档案或将手写文档、表格和通信中的信息数字化方面具有重要意义。在过去的几年里，由于将深度学习技术应用于其解决方案，在该领域取得了很大的进步。本论文解决了离线连续手写文本识别（HTR）的问题，包括开发算法和模型，能够转录的文本存在于图像中，而不需要将文本分割成字符。为此，我们提出了一种基于集成两种类型的深度学习架构的新识别模型：卷积神经网络（CNN）和序列到序列（seq2seq）模型。该模型的卷积组件用于识别字符中存在的相关特征，seq2seq组件通过对文本的顺序性质进行建模来构建文本的转录。对于这个新模型的设计，已经进行了广泛的分析，以确定最合适的集成到连续模型中的不同的卷积体系结构的能力，在简化的孤立字符识别问题。此外，已进行了广泛的实验，所提出的模型的连续问题，以确定其鲁棒性参数化的变化。该模型的泛化能力也得到了验证，通过评估它在三个手写文本数据库使用不同的语言：IAM在英语中，RIMES在法语中，和奥斯本在西班牙语，分别。新提出的模型提供了竞争力的结果与其他成熟的方法。
2021-12-26 cs.CV cs.LG
End-to-End Approach for Recognition of Historical Digit Strings
Blekinge Institute of Technology（布莱金厄理工学院）；Pontifical Catholic University of Parana（巴拉那天主教大学）
近年来发布的大量数字化历史文档数据集重新点燃了人们对推进手写模式识别领域的兴趣。同样，最近发表的一个数据集，被称为ARDIS，展示了从瑞典教会书籍的15000份扫描文件中手工裁剪的手写数字，并展示了各种手写风格。为此，我们提出了一种端到端的无分割深度学习方法来处理ARDIS数据集（4位长字符串）中存在的这种具有挑战性的古代手写风格的日期。我们表明，在VGG-16深度模型中稍作修改，该框架可以实现93.2%的识别率，从而获得不含探试法、分割和融合方法的可行解决方案。此外，所提出的方法优于著名的CRNN方法（广泛应用于手写识别任务的模型）。
2021-04-28 cs.CV cs.LG eess.IV
Kurdish Handwritten Character Recognition using Deep Learning Techniques
University of Kurdistan Hewler（休勒库尔德斯坦大学）；Singidunum University（辛吉杜努姆大学）；Torrens University（托伦斯大学）；Yonsei University（延世大学）；Ramco Institute of Technology（拉姆科理工学院）；Guru Nanak Dev University（古鲁那纳克德夫大学）；Tishk International University（提什克国际大学）
手写体识别是图像处理和模式识别领域中一个活跃而又富有挑战性的研究领域。它有许多应用，包括：视力障碍的阅读辅助，银行支票的自动阅读和处理，使任何手写文档可搜索，并将其转换为结构化文本形式等。然而，没有这样的系统可用于离线库尔德手写识别。在本文中，试图设计和开发一个模型，可以识别手写字符的库尔德字母使用深度学习技术。库尔德语（Sorani）包含34个字符，主要采用阿拉伯语\Persian为基础的文字，修改了字母表。在这项工作中，采用了深度卷积神经网络模型，该模型在手写识别系统中表现出了示例性的性能。然后，为手写库尔德字符创建了一个全面的数据集，其中包含4万多张图像。创建的数据集已用于训练深度卷积神经网络模型，以执行分类和识别任务。在该系统中，实验结果表明，一个可接受的识别水平。测试结果报告了96%的准确率，训练准确率报告了97%的准确率。从实验结果来看，很明显，所提出的深度学习模型表现良好，与其他语言的手写识别系统的类似模型相当。
2022-10-18 cs.CV cs.LG cs.NE
Offline Handwriting Recognition using Genetic Algorithm
Indian Institute of Information Technology and Management Gwalior（印度信息技术与管理学院瓜廖尔分校）
手写识别使一个人能够在一张纸上涂鸦，然后将其转换为文本。如果我们看一看实际情况，就会发现一个字可以有多种不同的写法。这些样式可以自我组合以生成更多样式。即使一个小孩子知道一个字符的基本书写风格，他也能够识别介于它们之间或由它们的混合物形成的字符。这就激发了利用遗传算法来解决这个问题。为了证明这一点，我们做了一个人物形象池。我们把它们转换成图表。每个字符的图形被混合以生成介于父字符样式之间的样式。字符识别涉及从未知字符图像生成的图与通过混合生成的图的匹配。使用该方法，我们获得了98.44%的准确度。
2010-04-19 cs.CV
Whole page recognition of historical handwriting
历史上的手写文献是人类知识的重要组成部分，只有少数学者和专家才能接触到。机器学习和笔迹研究的最新发展有可能使更多的受众可以访问和搜索这些信息。为此，我们研究了一种端到端的推理方法，没有文本本地化，需要一个手写的页面，并转录其全文。没有明确的字符，单词或行分割参与推理，这就是为什么我们称这种方法为“无分割”。我们探讨其鲁棒性和准确性相比，一行一行的分割方法的基础上的IAM，RODRIGO和ScribbleLens语料库，在三种语言的手写风格跨越400年。我们专注于可部署在手持或嵌入式设备上的型号和尺寸。我们的结论是，没有文本本地化和分割的整个页面推理方法是有竞争力的。
2020-09-22 cs.AI cs.CV
Fine-tuning Is a Surprisingly Effective Domain Adaptation Baseline in Handwriting Recognition
Faculty of Information Technology, Brno University of Technology（布尔诺理工大学信息技术学院）
针对手写识别任务，本文证明使用CTC训练的神经网络结合数据增强进行简单微调，在小规模目标域数据集上不仅效果显著且能有效抵抗过拟合。
2025-04-30 cs.CV
MSdocTr-Lite: A Lite Transformer for Full Page Multi-script Handwriting Recognition
InstaDeep（InstaDeep公司）；Digital Research Center of Sfax（斯法克斯数字研究中心）
Transformer由于其远程表示能力，已迅速成为各种模式识别任务的主导架构。然而，Transformers是数据饥渴的模型，需要大量的数据集进行训练。在手写文本识别（HTR）中，收集大量的标记数据是一项复杂而昂贵的任务。在本文中，我们提出了一个精简的Transformer架构，用于整页多手写体手写识别。该模型有三个优点：首先，为了解决数据稀缺的常见问题，我们提出了一个精简的Transformer模型，可以在合理数量的数据上进行训练，这是大多数HTR公共数据集的情况，而不需要外部数据。其次，由于课程学习策略，它可以学习页面级别的阅读顺序，从而避免行分割错误，利用更大的上下文并减少对昂贵的分割注释的需求。第三，它可以很容易地适应其他脚本，通过应用一个简单的迁移学习过程，只使用页面级标记的图像。在不同脚本（法语、英语、西班牙语和阿拉伯语）的不同数据集上进行的大量实验表明了该模型的有效性。
2023-03-24 cs.CV
Handwriting Recognition with Novelty
University of Notre Dame（圣母大学）；PAR Government（PAR政府公司）
本文介绍了一种以代理为中心的方法来处理视觉识别领域的手写识别（HWR）的新奇。理想的转录代理将与人类感知相媲美或超越人类感知，能够识别图像中的已知和新字符，并检测可能在文档内或跨文档发生的任何风格变化。一个关键的困惑是新颖性的存在，这继续阻碍着即使是最好的基于机器学习的算法来完成这些任务。在手写文档中，新颖性可以是作者、字符属性、书写属性或整体文档外观等方面的变化。而不是看在每个方面独立，我们建议，一个集成的代理，可以同时处理已知的字符和新奇的是一个更好的策略。本文形式化的领域的手写识别与新颖性，描述了一个基线代理，介绍了一个评估协议与基准数据，并提供实验，以设置国家的最先进的。结果表明，以代理为中心的方法的可行性，但需要更多的工作来接近人类水平的阅读能力，给HWR社区建立一个正式的基础上，因为他们解决这个具有挑战性的问题。
2021-05-17 cs.CV
An End-to-End OCR Framework for Robust Arabic-Handwriting Recognition using a Novel Transformers-based Model and an Innovative 270 Million-Words Multi-Font Corpus of Classical Arabic with Diacritics
Helwan University（赫尔万大学）
这项研究是第二阶段，在一系列的调查，发展光学字符识别（OCR）的阿拉伯历史文件，并研究如何不同的建模程序与问题的相互作用。第一项研究研究了Transformers对我们定制的阿拉伯语数据集的影响。第一次研究的缺点之一是训练数据的大小，由于缺乏资源，我们的3000万张图像中只有15000张图像。此外，我们还添加了图像增强层、时间和空间优化以及后校正层，以帮助模型预测正确上下文的正确单词。值得注意的是，我们提出了一种端到端的文本识别方法，使用视觉Transformer作为编码器，即BEIT，并使用vanilla Transformer作为解码器，消除了用于特征提取的CNN，并降低了模型的复杂性。实验表明，我们的端到端模型优于卷积骨干。该模型获得了4.46%的CER。
2022-08-26 cs.CL cs.CV cs.LG
Full Page Handwriting Recognition via Image to Sequence Extraction
Turnitin（Turnitin公司）
我们提出了一个基于神经网络的手写文本识别（HTR）模型架构，可以训练识别整页的手写或打印文本，而无需图像分割。基于图像到序列架构，它可以提取图像中存在的文本，然后正确地对其进行排序，而不对文本和非文本的方向，布局和大小施加任何约束。此外，它还可以被训练来生成与格式、布局和内容相关的辅助标记。我们使用字符级词汇，从而使任何主题的语言和术语。该模型实现了一个新的国家的最先进的段落级识别的IAM数据集。当对真实世界的手写自由形式测试答案进行扫描时-被弯曲和倾斜的线条，图纸，表格，数学，化学和其他符号包围-它的性能优于所有商用HTR云API。它作为商业Web应用程序的一部分部署在生产中。
2022-06-26 cs.AI cs.CL cs.CV
BanglaWriting: A multi-purpose offline Bangla handwriting dataset
Bangladesh University of Business & Technology（孟加拉国商业与技术大学）
本文介绍了一个名为BanglaWriting的孟加拉手写数据集，其中包含260个不同个性和年龄的人的单页手写。每一页都包含了每个单词的边界框，以及书写的unicode表示。这个数据集总共包含21，234个单词和32，787个字符。此外，该数据集包括孟加拉语词汇的5，470个独特单词。除了常见的单词外，数据集还包括261个可理解的单词和450个手写的笔画和错误。所有的边界框和单词标签都是手动生成的。该数据集可用于复杂的光学字符/单词识别、作者识别、手写分词和单词生成。此外，该数据集适合于提取基于年龄和基于性别的笔迹变化。
2022-08-19 cs.CV cs.LG
Scan, Attend and Read: End-to-End Handwritten Paragraph Recognition with MDLSTM Attention
A2iA SAS（A2iA公司）
我们提出了一个基于注意力的端到端手写识别模型。我们的系统不需要对输入段落进行任何分割。该模型的灵感来自于最近提出的用于语音识别、图像描述或翻译的可区分注意模型。主要的区别是隐性和显性注意力，实现为多维LSTM网络。我们对手写识别的主要贡献在于自动转录，而无需事先分割成行，这在以前的方法中是至关重要的。据我们所知，这是端到端多行手写识别的第一次成功尝试。我们在著名的IAM数据库上进行了实验。结果是令人鼓舞的，并带来了希望，在不久的将来进行全段转录。
2016-08-23 cs.CV
Neural Computing for Online Arabic Handwriting Character Recognition using Hard Stroke Features Mining
Prince Sultan University（苏丹亲王大学）；Universiti Teknologi Malaysia（马来西亚理工大学）
由于阿拉伯草书的书写风格、书写速度、书写者心情等因素的影响，在线阿拉伯草书字符识别仍然是一个很大的挑战。由于这些不可避免的限制，在线阿拉伯字符识别的准确率仍然很低，还有改进的空间。本研究提出一种从手写笔长特征的纵横方向上提取在线阿拉伯文字识别中所需关键点的改进方法。每个提取的笔画特征将每个孤立的字符划分为一些有意义的模式，称为标记。从这些标记中提取最小特征集，使用多层感知器与反向传播学习算法和修改的基于S形函数的激活函数进行字符分类。在这项工作中，实现了两个里程碑;首先，获得固定数量的令牌，其次，最小化最重复的令牌的数量。实验中，手写体阿拉伯字符从OHASD基准数据集选择测试和评估所提出的方法。所提出的方法达到了98.6%的平均准确率在最先进的字符识别技术。
2021-01-15 cs.CL cs.CV
An Improved U-Net Model for Offline handwriting signature denoising
Chongqing University of Posts and Telecommunications（重庆邮电大学）
针对离线手写签名样本受干扰信息影响的问题，提出基于改进U-Net并引入离散小波变换和PCA变换的去噪模型，显著提升去噪效果与签名图像清晰度。
2025-09-10 cs.CV eess.IV
