Håndskriftgenkendelse

Håndskriftgenkendelse er proces og teknologi til automatisk at omdanne håndskrevet tekst til maskinlæsbar tekst. Den kan omfatte både offline genkendelse af skannede sider og online genkendelse af data, der kommer fra digitale penner og stregteknologier. Offline-systemer arbejder med billeder af håndskrift, mens online-systemer anvender tidslige penbevægelsesdata såsom position, tryk og hastighed.

Historisk udvikling har gået fra håndtegnsbaserede metoder til statistiske modeller og senere til dybe neurale netværk. Tidlige systemer anvendte skjulte Markov-kæder og håndudledte funktioner; efter årtusindskiftet blev HMM-baserede tilgange udbredte til offline håndskrift. Siden ca. 2010 har end-to-end dybe netværk, ofte kombineret med sprogmodeller, markant forbedret nøjagtigheden. Online og offline tilgange har udviklet sig sideløbende og tilpasser sig forskellige dataformater og brugsscenarier.

Tilgange og teknologier varierer fra traditionelle metoder med håndskriftfunktioner og klassifikatorer til moderne arkitekturer som CNN-LSTM eller Transformer- og CTC-baserede modeller. En typisk pipeline kan omfatte forbehandling af billeddata, funktionsteknik, sekvensmodellering og sprogmodellering efterfølgende for at afhjælpe token- og kontekstfejl. Post-processing og fejlkorrektion ved hjælp af sprogmodeller forbedrer ofte ord- og sætningsniveaupræcision.

Anvendelser omfatter digitalisering af historiske dokumenter, postsortering, blanketter og bankchecks, notetagning og tilgængelighedsteknologi. Evaluering måles ofte i karakterfejlrate og ordfejlrate. Udfordringer inkluderer stor variation i håndskrift, ligaturer og forskellige scripts, støj i scannede materialer samt behov for sprog- eller skriveprivatspecifik tilpasning. Datalagring, privatliv og tilpasning til nye sprog fortsætter med at drive udviklingen.