一种基于 GRU 并带有注意力的编码器-解码器方法用于在线手写数学表达式识别
计算机视觉与模式识别
2017-12-13 v1
摘要
在本研究中，我们提出了一种基于编码器-解码器框架并带有注意力机制的新端到端方法，用于在线手写数学表达式识别（OHMER）。首先，手写表达式的输入二维墨迹轨迹信息通过基于门控循环单元的循环神经网络（GRU-RNN）进行编码。然后，解码器同样由带有基于覆盖的注意力模型的 GRU-RNN 实现。所提方法可同时完成符号识别与结构分析，输出 LaTeX 格式的字符序列。在 CROHME 2014 竞赛任务上验证，仅使用官方训练数据集，我们的方法即以 52.43% 的表达式识别准确率显著优于当前最优方法。此外，通过注意力机制可视化了手写表达式输入轨迹与输出 LaTeX 序列之间的对齐关系，以展示所提方法的有效性。
引用
@article{arxiv.1712.03991,
title = {A GRU-based Encoder-Decoder Approach with Attention for Online Handwritten Mathematical Expression Recognition},
author = {Jianshu Zhang and Jun Du and Lirong Dai},
journal= {arXiv preprint arXiv:1712.03991},
year = {2017}
}
备注
Accepted by ICDAR 2017 conference