RNN由一个（）组成，该层逐步处理序列数据，并将之前的信息传递到下一时刻。

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

使用EasyDL平台内置的OCR识别模块来识别图片中的文字信息，不需要对模型进行训练就可直接使用。

可从训练数据集中切分出验证集，验证集中的数据将不参与训练模型,而是用于验证训练后的模型,从而增强其泛化能力。

神经网络中损失函数的作用一般是衡量神经网络的输出与预期值之间的距离，以便控制、调节参数。