利用全局上下文改进在线手写数学表达式识别
计算机视觉与模式识别
2021-05-24 v1
摘要
本文提出了一种用于在线手写数学表达式（HMEs）中符号分割、符号识别和关系分类全部三个子任务的时间分类方法。该分类模型由从HMEs的符号关系树（SRT）表示导出的符号与空间关系的多条路径训练得到。该方法受益于深度双向长短期记忆（Long Short-term Memory）网络的全局上下文，该网络通过连接主义时间分类（Connectionist Temporal Classification）损失直接从在线手写中学习时间分类。为识别一个在线HME，我们构建带有上下文无关文法的符号级解析树，其中符号与空间关系由时间分类结果获得。我们在两个最新的CROHME数据集上展示了所提方法的有效性。
引用
@article{arxiv.2105.10156,
title = {Global Context for improving recognition of Online Handwritten Mathematical Expressions},
author = {Cuong Tuan Nguyen and Thanh-Nghia Truong and Hung Tuan Nguyen and Masaki Nakagawa},
journal= {arXiv preprint arXiv:2105.10156},
year = {2021}
}
备注
16 pages, ICDAR2021