利用尺度增强与丢弃注意力改进基于注意力的手写数学表达式识别
计算机视觉与模式识别
2020-07-21 v1
摘要
手写数学表达式识别（HMER）是手写识别中的重要研究方向。数学表达式（ME）的二维结构损害了 HMER 的性能。为解决此问题，本文提出一种具有尺度增强与丢弃注意力的高性能 HMER 模型。具体而言，针对在水平和垂直方向尺度均不稳定的 ME，尺度增强提升了模型在各种尺度 ME 上的性能。采用基于注意力的编码器-解码器网络提取特征并生成预测。此外，当解码器的注意力分布不精确时，提出丢弃注意力以进一步提升性能。相较以往方法，本方法在 CROHME 2014 与 CROHME 2016 两个公开数据集上取得了最先进的性能。
引用
@article{arxiv.2007.10092,
title = {Improving Attention-Based Handwritten Mathematical Expression Recognition with Scale Augmentation and Drop Attention},
author = {Zhe Li and Lianwen Jin and Songxuan Lai and Yecheng Zhu},
journal= {arXiv preprint arXiv:2007.10092},
year = {2020}
}
备注
Accepted to appear in ICFHR 2020