非制約的な手書きテキスト認識は、多くのドキュメント解析タスクにおける重要なステップである。一般的に、深層再帰ニューラルネットワーク（RNN）を用いて処理され、特に長短期記憶（LSTM）セルの利用が広く行われている。しかしながら、これらの構成要素の主な欠点は、学習および予測時に大量のパラメータを必要とし、逐次実行が行われることである。LSTMセルの代替として、並列実行が可能で、パラメータ数も少ない畳み込み層を多用することで、長期記憶の喪失を補うアプローチが検討されている。本論文では、従来のCNN+LSTMアーキテクチャに対する再帰を一切不要とするゲート付き完全畳み込みネットワーク（Gated Fully Convolutional Network）を提案する。本モデルはCTC損失関数を用いて学習され、RIMESおよびIAMの両データセットにおいて競争力のある性能を示した。本研究の実験再現を可能とするすべてのコードを公開している：https://github.com/FactoDeepLearning/LinePytorchOCR。