本文提出了一种基于CNN-BiLSTM系统的英文手写体识别解决方案，通过在公共IAM数据集上评估发现，采用CTC层的CNN-BiLSTM网络可以达到较低的错误率。作者还通过旋转和平移变换的测试时间增强方式提高了难识别情况下的识别率，并对IAM数据集上的误差进行了分析。提供源代码以促进进一步研究。

本文提出了一种基于CNN-BiLSTM系统的英文手写体识别解决方案，通过在公共IAM数据集上评估发现，采用CTC层的CNN-BiLSTM网络能够达到较低的错误率。同时，通过旋转和平移变换的测试时间增强方式，可以提高难识别情况下的识别率。此外，还对IAM数据集上的误差进行了分析，并提供了源代码以促进进一步的研究。