本研究提出一种基于卷积神经网络和条件随机场的模型，通过预测字符和 N-grams 以识别自然图像中词语，同时实现多任务学习，无需有固定的单词列表，实验证明其在标准实际文本识别基准中的准确性优于仅预测字符，也达到了有限词汇识别的最高精度。

Dec, 2014

该论文提出了一种基于卷积循环神经网络的统一网络，该网络可以同时定位和识别文本，通过端到端训练，提高了性能，在多个基准数据集上取得了竞争性的表现。

Jul, 2017

本文研究基于深度学习的方法在离线手写中文文本识别领域的应用，使用只有卷积神经网络的模型和 CTC 损失函数实现，采用 Dropout 方法以防止过拟合，最终在 ICDAR 2013 竞赛数据集上实现了 6.81% 的字符错误率，为同等条件下最好的研究结果。

Jun, 2020

本文提出一种无分割 OCR 系统，该系统将深度学习方法、数据增强方法和合成训练数据结合起来，使用大型文本语料库和 2000 多种字体渲染合成训练数据，并通过几何失真和提出的 alpha-compositing 数据增强技术模拟复杂的自然环境，并采用 CNN 编码器以提取文本图像特征，检验了序列模型与卷积模型在模拟输入元素交互方面的能力。

Jun, 2019

本文提出了基于注意力卷积网络的端到端场景文本识别方法，通过卷积神经网络 (CNN) 代替循环神经网络 (RNN) 来实现输入序列的上下文依赖关系的准确捕捉，提高了识别效率，并结合残余注意力模块进一步提高特征识别的准确性。该方法在多个数据集上验证结果显示了显著的性能优势。

Sep, 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

本文介绍了一种新的自上而下的场景文本检测流程，提出了一种新颖的级联卷积文本网络（CCTN），利用其将前一个基于字符的检测转化为直接的文本区域估计，避免了多个自下而上的后处理步骤，并展现了其强大的鲁棒性和判别能力。

Mar, 2016

文章说明了我们可以应用深度学习来理解文本，从字符级到抽象文本概念，使用时间卷积网络 (ConvNets)。我们将 ConvNets 应用于各种大规模数据集，包括本体分类，情感分析和文本分类。我们展示了时间 ConvNets 可以在不需要任何人类语言的词语，短语，句子或任何其他句法或语义结构的知识下实现惊人的性能。证据表明，我们的模型可以用于英文和中文。

Feb, 2015

本文提出了一种基于卷积神经网络的文本 - 卷积神经网络 (Text-CNN) 用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本 / 非文本信息来训练 Text-CNN 以提高其判别效能和鲁棒性。最终，该方法在 ICDAR 2013 数据集上取得了很好的效果。

Oct, 2015

本文提出将 CNN 与 CTC 相结合的端到端语音识别框架，以实现序列标记；在 TIMIT 音素识别任务中评估该方法并表明其在计算效率和性能上优于已有基线系统，并指出 CNN 具有利用适当上下文信息来建模时间相关性的能力。

Jan, 2017