手写体文本识别技术可以将手写文档转录成可编辑的数字文档。但由于手写的书写风格迥异、文档结构千变万化和字符分割识别精度不高等问题，基于神经网络的手写体英文文本识别仍面临着许多挑战。针对上述问题，提出基于卷积神经网络（CNN）和Transformer的手写体英文文本识别模型。首先利用CNN从输入图像中提取特征，而后将特征输入到Transformer编码器中得到特征序列每一帧的预测，最后经过链接时序分类（CTC）解码器获得最终的预测结果。在公开的IAM（Institut für Angewandte Mathematik）手写体英文单词数据集上进行了大量的实验结果表明，该模型获得了3.60%的字符错误率（CER）和12.70%的单词错误率（WER），验证了所提模型的可行性。
