HTR-VT

用纯 ViT 做手写文字识别，跑通训练到推理

HTR-VT 是论文《HTR-VT: Handwritten Text Recognition with Vision Transformer》的 PyTorch 官方实现，专注于手写文本识别（HTR）任务。传统 HTR 方案多依赖 CNN 加 RNN/CTC 的混合结构，训练流程复杂且对长序列建模能力有限。该项目用纯 Vision Transformer 架构处理手写文字图像，通过视觉编码器提取特征并配合解码器输出字符序列，简化了整体管线。仓库提供训练与推理代码、数据加载、模型定义和配置脚本，覆盖手写字符、数字及整行文本识别等场景。适合研究者复现论文结果、做基线对比，或开发者将其作为手写 OCR 的起点进行微调。代码以 Python 编写，依赖 PyTorch 生态，结构清晰，便于替换数据集和调整超参。