《表2 实验结果：Attention机制在脱机中文手写体文本行识别中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Attention机制在脱机中文手写体文本行识别中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用的网络框架在编码和解码都用到了LSTM，它对文本行前后序列的学习能力非常强，所以在给文本行打标签的时候，增加了空格标签．比如原始标签为“大家好”，加空格后的标签变为“大#家#好”，空格标签用#表示，这样能在一定程度上抑制前后的联系．如表2所示，加空格标签的字符准确率达到95.76%，比不加空格标签的准确率提升了1.47%．本文采用的加空格标签的Attention机制比Song Wang等人的方法AR提升了3.72%，CR的准确率提升了3.49%．