传统字符识别算法的流程是先对单个字符定位然后分割，接着再采用人工设计的特征对分类器进行训练，识别效果的好坏主要由分割算法决定，较常见的分割算法有基于连通域的和基于垂直投影的^[8-10]。分割算法将图像进行二值化后，再通过连通域或灰度直方图切割字符，在样式规整、背景单一下的字符有较好的效果，但这对于背景复杂的字符很难有好的效果。于是有的研究者开始探索另一条道路，如Girshick等^[11]提出R-CNN模型，便标志着深度学习^[12]与OCR技术结合道路的开始。随后Hinton课题组使用深度学习创建的AlexNet^[13]，在ImageNet图像识别比赛上一举夺冠，并且碾压第二名采用SVM方法的分类性能，这成果吸引了众多学者开始关注深度学习，此后深度学习的发展进入爆发性增长，更多的研究人员将OCR技术与深度学习结合在一起，一些具有优秀性能的网络结构被提出^[14-16]，基于深度学习的各种文本检测和文本识别模型也逐渐涌现。