面向手写数学表达式识别的智能检测网络

人工智能技术在教育中的应用正快速增长，手写数学表达式识别（HMER）日益受到研究者的关注。然而，许多现有的 HMER 方法可能难以准确读取具有复杂结构的公式，因为由于字迹潦草或书写风格差异大，注意力结果可能不准确。我们提出的面向 HMER 的智能检测网络（IDN）不同于传统的编码器-解码器方法，其利用了目标检测技术。具体而言，我们开发了一种增强的 YOLOv7 网络，能够准确检测数字与符号对象。随后将检测结果整合进双向门控循环单元（BiGRU）与基线符号关系树（BSRT），以确定符号与数字之间的关系。实验表明，所提方法在识别复杂手写数学表达式上优于那些编码器-解码器网络。这归因于对符号与数字的精确检测。我们的研究有望为 HMER 领域作出有价值的贡献，并可应用于多种实际场景，如学校作业批改与纸质文档信息录入。