人工神经网络通常由三层组成：输入层、（）和输出层。

Attention-OCR算法是在卷积、循环神经网络提取特征的基础上引入加入注意力机制的编解码模型。

假设paddlepaddle中文票据OCR识别预训练模型ocr的recognize_text()方法返回对象result，则results[0][＇data＇]对应第一幅输入票据识别出来所有文本信息。

目前中文票据OCR识别中主流的文本识别算法均采用基于深度学习的方法。

EAST文本检测算法预测的文本框形状可以是常规的水平矩形框或是旋转的文本框。

票据OCR识别中的文本检测任务是要定位图片中的文本框坐标，对检测图片进行包含文字部分的和不包含文字部分的二分类。

长短期记忆网络LSTM是一种特殊的循环神经网络，可以较好地解决长时依赖问题，适合于处理和预测时间序列中间隔和延迟非常长的重要事件。

在深度学习中,循环神经网络RNN由于其具有记忆性的特点，常用于自然语言处理等领域。

深度学习的神经网络，通常是指包含多个隐藏层的神经网络。

Transformer内部由编码器和Decoder构成

Transformer最初应用于自然语言处理并取得较好的效果