本文提出一种基于 Soft-PHOC 的中间表示图像的技术，并结合基于字符概率图的文本属性进行字词识别，以检测摄像头拍摄的非正式场景文字。

Sep, 2018

本文提出了一种利用深度卷积神经网络学习特征进行文档图像分类和检索的最新技术，证实与手工制作的替代方法相比，能够更好地学习抽象特征，且具有压缩鲁棒性和跨领域迁移性，并在新的 IIT-CDIP 数据集中提供了 400,000 个文档图像用于深度学习。

Feb, 2015

本文利用神经架构搜索来搜索卷积神经网络模型，以提高基于音频信号的关键词识别性能，同时保持合理的内存占用。通过不同 iable Architecture Search 技术搜索预定义细胞空间中的操作符和它们之间的连接，然后在深度和宽度上扩展发现的单元来实现具有竞争力的性能，最终在 Google 的语音命令数据集上实现 97% 的最新准确性。

Sep, 2020

本文提出了一种基于卷积神经网络的手写历史文档图像页面分割方法，将页面分割视为像素标记问题，使用卷积神经网络从原始图像像素中学习特征，经实验验证，在不同的公共数据集上，该方法对比之前的方法，取得了更加有效和卓越的结果。

Apr, 2017

本研究介绍了一种基于卷积神经网络的端到端文本识别、图像检索系统，使用了一些新颖的深度学习技术实现文本定位、识别、筛选和排序，在多个基准测试数据集上获得了最先进的性能表现，并应用于新闻视频检索中。

Dec, 2014

本研究提出了一种使用区域特定知识增强的深度卷积神经网络识别手写汉字的方法，在 CASIA-OLHWDB1.0 和 CASIA-OLHWDB1.1 数据集上分别取得了 97.20% 和 96.87% 的精度，优于以往报道结果。

May, 2015

本文介绍了一种新的基于 VDCNN 的文本处理体系结构，通过使用 29 个卷积层，仅使用小型卷积和池化操作，该模型的性能得到了提高，并且在多个公共文本分类任务上，相对于现有模型，且在文本处理中使用非常深的卷积神经网络实现了最先进水平。

Jun, 2016

本研究采用深度残差学习和扩张卷积探索了关键词检测任务的应用，使用 Google Speech Commands 数据集作为基准。我们的最佳残差网络实现在准确性方面明显优于 Google 以前的卷积神经网络。通編变化模型深度和宽度，我们可以实现比以前的小型脚本变体更优秀的紧凑型模型。据我们所知，我们是第一个研究这些方法的关键词检测任务的人，我们的结果建立了一个开源的最新参考来支持未来基于语音的接口的开发。

Oct, 2017

本篇论文介绍了一种使用卷积神经网络 (CNNs) 学习文本属性表示的方法，提出了两种不同的损失函数，分别用于二进制和实值字符串嵌入，提出了两种不同的 CNN 架构，经过实验证明在大量数据集上，该方法可以实现基于分割的词语定位，并取得了最先进的结果。

Dec, 2017

通过处理空间稀疏的输入，我们开发了一种 CNN，可更加高效地训练和测试大型深度 CNN，在手写识别和图像分类等问题上取得了良好的性能。该方法在 CASIA-OLHWDB1.1 和 CIFAR-10/CIFAR-100 数据集上实现了较低的测试误差率。

Sep, 2014