基于层次细节聚焦网络的复杂公式识别提升
计算与语言
2025-01-10 v2
摘要
层次化和复杂的数学表达式识别 (MER) 因公式存在多种可能解释而具有挑战性，这使解析和评估变得复杂。本文引入了 Hierarchical Detail-Focused Recognition dataset (HDR)，这是第一个专为解决此问题而设计的数据集。其包括大规模训练集 HDR-100M，提供前所未有的规模和多样性，包含 1 亿训练实例。测试集 HDR-Test 包含复杂层次公式的多种解释，以进行全面模型性能评估。此外，复杂公式的解析常因细粒度细节错误而受影响。为解决此问题，我们提出了 Hierarchical Detail-Focused Recognition Network (HDNet)，一种创新框架，包含层次化子公式模块，专注于精确处理公式细节，从而显著提升 MER 性能。实验结果表明，HDNet 在各数据集上均优于现有 MER 模型。
引用
@article{arxiv.2409.11677,
title = {Enhancing Complex Formula Recognition with Hierarchical Detail-Focused Network},
author = {Jiale Wang and Junhui Yu and Huanyong Liu and Chenanran Kong},
journal= {arXiv preprint arXiv:2409.11677},
year = {2025}
}
备注
Accepted to the 2025 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2025)