摘要
离线手写词识别技术已经从整体词分类发展到了序列转录阶段，但许多系统仍然依赖大规模的标注语料库，并利用词汇规律性而非显式的字符特征。本文提出了一种针对阿拉伯语离线手写词识别的新方法，将字符视为通过基于区域的卷积神经网络（Faster Region-Based Convolutional Neural Network）检测到的空间对象，而不是由一维解码器生成的符号。我们构建并发布了一个包含2153张阿拉伯语手写词图片的字符级标注子集，其中包含了匹配的检测结果、序列信息以及词性标签。此外，我们还开发了一个开源的子词交换工具包，该工具包能够在保持手写风格的前提下进行子词之间的交换，从而创建一个可控的结构泛化基准测试。实验将所提出的检测器与基于整体词和序列的基线方法在原始测试数据集以及经过修改的测试数据集上进行了对比。结果表明，在结构重新组合的情况下，基于序列的模型性能显著下降，而所提出的检测器表现稳定，在修改后的测试数据集上的字符错误率为26.56%，词准确率为70.0%。这些发现表明，在资源有限的环境中，显式的字符定位方法为阿拉伯语手写文本识别提供了一种鲁棒且数据效率高的解决方案。
