石刻碑文的数字化保存对碑刻历史研究和文化传承具有重要意义,但是受风化腐蚀和人为破坏影响,碑文普遍存在着字迹残缺和模糊,碑刻文字识别难度大,数字化保存困难。目前的碑文文字识别算法由于先验知识缺乏、特征提取单一等问题,导致识别准确率不高、算法适用性差。深度学习可以通过拓深网络深度自动提取到更高级、高区分度的特征信息可进行有监督的训练学习,在规则字符识别方面具有较高的鲁棒性。因此开展基于深度学习的残损碑文识别算法研究,具有一定应用价值。论文在利用投影分割法对碑文图片进行单字分割的基础上,针对碑文数据收集困难、数据量较少问题,采用人工合成的方式生成训练所需的数据集;然后设计了一种跨层卷积神经网络,提高了特征的利用率,实现了对分割后的单字碑文的预测识别。其次,针对单字分割算法存在切割不准确以及切割时间较长的问题,设计了EAST+CRNN的深度学习网络结构;通过EAST网络对处理后的碑文图像实现像素级的分类,然后将自动生成的目标框合并修正后,完成单行文字的分割。同时,在RCNN网络中通过CNN提取特征信息,利用双向LSTM网络输出单行的识别概率,最终通过CTC对识别概率汇总输出结果。该识别方法更加方便简单、识别速度更快,并在本文构建的测试数据集上进行了有效验证。