Архитектура

Извлечение признаков

Блок последовательности/

контекста

Механизм преобразования признаков в текст

Уровень распознавания

Применение

Статус для

MedForm-HTR

CNN - RNN - CTC

VGG-like CNN, ResNet, другие CNN

LSTM, BiLSTM, GRU, BiGRU

CTC + greedy/beam decoding

слово/строка, поле

исторические строки,

анкеты, отдельные поля

базовый уровень

CNN - Transformer Encoder - CTC

CNN, ResNet, ConvNeXt

Transformer Encoder

CTC + greedy/beam decoding

слово/строка, поле

HTR при ограниченной разметке, анкеты, медицинские поля

основной кандидат для исследования

Encoder-decoder/TrOCR

ViT / BEiT-like image encoder

cross-attention между image encoder и text decoder

авторегрессионный Transformer decoder

слово/строка, поле

печатный, рукописный текст

сильный, базовый уровень

VAN/page-level attention models

CNN encoder

vertical attention / implicit line segmentation

attention-based decoder

абзац/страница

рукописные абзацы, исторические документы

перспективная модель для распознавание рукописного текста на уровне абзаца и страницы