用于在线数学表达式识别的符号关系树学习
计算机视觉与模式识别
2021-05-14 v1 机器学习
摘要
本文提出一种通过从笔画序列直接构建符号关系树（SRT）来识别在线手写数学表达式（OnHME）的方法。双向循环神经网络从 SRT 的多个派生路径中学习，利用全局上下文预测符号及符号间的空间关系。该识别系统由两部分组成：一个时序分类器和一个树连接器。时序分类器通过识别 OnHME 模式产生一个 SRT。树连接器将该 SRT 拆分为若干子 SRT。最终的 SRT 通过在这些子 SRT 中寻找最佳组合而形成。此外，我们采用一种树排序方法来处理各种笔画顺序。识别实验表明，所提出的 OnHME 识别系统与其他方法相比具有竞争力。该识别系统在在线手写数学表达式识别竞赛（CROHME）2014 和 2016 测试集上分别取得了 44.12% 和 41.76% 的表达式识别率。
引用
@article{arxiv.2105.06084,
title = {Learning symbol relation tree for online mathematical expression recognition},
author = {Thanh-Nghia Truong and Hung Tuan Nguyen and Cuong Tuan Nguyen and Masaki Nakagawa},
journal= {arXiv preprint arXiv:2105.06084},
year = {2021}
}
备注
13 pages, conference