已验证65% 置信事实精确时间
深度学习时代基于CNN和RNN的端到端模型（如CRNN架构）大幅提升了OCR识别能力，近年Transformer架构也被引入OCR领域
3
来源数
65%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
相关事实
待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系77% 相似待验证吴恩达的《Deep Learning Specialization》涵盖CNN、RNN、Transformer等核心架构77% 相似待验证深度学习时代的LSTM和CNN架构大幅提升了OCR识别准确率，但真实业务场景中端到端准确率仍难以达到100%76% 相似待验证当前主流深度学习架构（包括Transformer、卷积神经网络）继承了信息处理范式的核心假设：信息可编码为数值向量、层级化变换、在明确位置读写74% 相似待验证2012年前后基于深度学习的OCR已能以超过99%的准确率破解reCAPTCHA v171% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/818950API
curl https://kongchang.com/api/v1/knowledge/claims/818950MCP
get_claim(id=818950)