Аналіз засобів автоматизованого розпізнавання рукописних текстів

Abstract

У роботі проведено аналіз програмного забезпечення з відкритим кодом у сфері розпізнавання рукописного тексту HTR (Handwritten Text Recognition). Проведено декомпозицію архітектурних підходів, що лежать в основі популярних бібліотек, від класичних гібридних мереж CRNN (Convolutional Recurrent Neural Networks) до новітніх трансформерних моделей «Vision Encoder-Decoder». На основі порівняльного аналізу інструментів Tesseract, EasyOCR, Keras-OCR та TrOCR визначено ключові метрики ефективності, зокрема «Character Error Rate» (CER) та час інференсу, в контексті обробки кириличних рукописних даних. Окреслено специфічні виклики, пов’язані з сегментацією курсиву та адаптацією мовних моделей до морфологічних особливостей української мови.