该篇论文介绍了如何应用神经网络和反向传播算法实现光学字符识别（OCR）并转换为可编辑机器可读的数字文本格式。

Dec, 2016

本文提出了一种基于级联深度神经网络的彩色激光打印机识别方法，其中利用对抗训练对合成数据集进行精细化处理以提高半色调颜色分解的准确性，将训练知识传输到打印机识别的卷积神经网络中以提高准确性和鲁棒性，实验结果表明该方法优于现有的源彩色激光打印机识别方法。

Nov, 2017

本篇综述研究了手写文字光学字符识别技术及其研究方向，通过人工智能和机器学习工具将手写和印刷文件转化为可分析、可编辑和可搜索的电子数据。共收集142篇相关研究，总结了最新的OCR技术和研究方向。

Jan, 2020

OCRMiner系统使用文本分析技术与布局特征相结合的方法从扫描文档图像中提取(半)结构化文档的索引元数据。该系统由多个相互连接的模块组成，使用开源OCR系统，其英文数据召回率达90％，捷克语数据召回率为88％。

Aug, 2022

本文提出一种基于高光谱成像技术的墨水分析技术，它可以检测文档中使用的不同颜色的墨水的数量以及检测伪造，通过对数据提取、墨水像素分割和墨水数量测定的算法研究，该技术成功鉴别了不同的墨水群集并区分出多种不同颜色的墨水。

Jun, 2023

本篇论文研究了手写文本与印刷文本重叠造成的光学字符识别（OCR）和数字化过程中的困难，并引入了一个新的数据集和模型，以改善对重叠部分的识别性能。最佳配置的IoU得分相较于先前的工作，在两个不同的数据集上分别提高了17.9%和7.3%。

Jul, 2023

基于字符纹理感知网络（CTP-Net），本文提出了一种在文档图像中定位伪造的方法，通过捕捉字符的伪造痕迹，结合整个文档图像的纹理特征，能够更准确地定位文档图像中的伪造区域，并且在实验证明了该方法优于现有的伪造定位方法。

Aug, 2023

手写签名验证是生物识别和文件真实性方面的严峻挑战，最优特征选择和分类准确度显著提高了提出的离线签名验证方法的性能和结果验证预测向量。

Jan, 2024

该研究提出了一种具有特殊能力的孟加拉语OCR系统，该系统在保留结构、对齐和图像的同时，在重建文档布局方面表现出色。它采用先进的图像和签名检测进行准确提取，并为文字分割提供了专门模型以适应多样化的文档类型，包括计算机排版、凸版印刷、打字机和手写文档。该系统处理静态和动态手写输入，识别各种写作风格。此外，它还能识别孟加拉语中的复合字符。广泛的数据收集工作提供了多样化的语料库，而高级技术组件优化了字符和单词识别。额外的贡献包括图像、标志、签名和表格识别，透视校正，布局重建以及用于高效和可扩展处理的排队模块。该系统在高效准确的文本提取和分析方面表现出色。

Feb, 2024

利用打印文档扫描中提取的滴喷特征，研究了利用打印机模型的分类，不仅可以区分打印机制造商，还可以区分个别的打印机模型。

Jun, 2024