أحرزت الأطر الحديثة للتحديد النهاية-إلى-نهاية للنصوص المكانية تقدماً كبيراً في تمييز النصوص ذات الأشكال العشوائية. تستخدم الطرق الشائعة لتحديد النصوص تقنيات استخلاص مناطق الاهتمام أو أقنعة التجزئة لتقييد الميزات بInstances نصية فردية. ومع ذلك، فإن هذا الأمر يجعل من الصعب على معالج التعرف على تفكيك التسلسل الصحيح عند عدم دقة الكشف، أي عندما يتم قطع حرف أو أكثر. نظراً إلى صعوبة تحديد حدود الكلمات بدقة باستخدام الكاشف وحده، نقترح إطاراً جديداً يُسمى DEER (مُعرّف نهائية-إلى-نهاية غير مُعتمد على الكشف). يقلل هذا الإجراء الاعتماد الوثيق بين وحدتي الكشف والتعرف من خلال ربطهما بنقطة مرجعية واحدة لكل Instance نصية، بدل استخدام المناطق المُكتشفة. يمكّن هذا الأسلوب المعالج من التعرف على النصوص التي تشير إليها النقطة المرجعية، باستخدام الميزات المستمدة من الصورة الكاملة. وبما أن التعرف على النص يتطلب نقطة واحدة فقط، فإن هذا الأسلوب يمكّن من تطبيق التعرف على النصوص دون الحاجة إلى كاشفات ذات أشكال عشوائية أو إلى تسميات أشكال متعددة الأضلاع. تُظهر النتائج التجريبية أن الطريقة المقترحة تحقق أداءً تنافسياً على معايير التعرف على النصوص المنتظمة والنصوص ذات الأشكال العشوائية. كما تُظهر التحليلات الإضافية أن DEER مقاوم للأخطاء في الكشف. وسيتم إتاحة الكود والبيانات للجمهور بشكل علني.