基于密集编码器与多尺度注意力机制的手写数学表达式识别
计算机视觉与模式识别
2018-02-01 v2
摘要
手写数学表达式识别是一个具有挑战性的问题，其源于复杂的二维结构、模糊的手写输入以及手写数学符号的多变尺度。为解决该问题，我们采用基于注意力的编码器-解码器模型，将数学表达式图像从二维布局识别为一维 LaTeX 字符串。我们通过使用密集连接卷积网络改进编码器，因其能强化特征提取并便利梯度传播，尤其在小型训练集上。我们还提出了一种新颖的多尺度注意力模型，用以处理不同尺度数学符号的识别，并保留会被池化操作丢弃的细粒度细节。在 CROHME 竞赛任务上的验证表明，所提方法仅使用官方训练集，便以 52.8%（CROHME 2014）和 50.1%（CROHME 2016）的表达式识别准确率显著优于当前最优方法。
引用
@article{arxiv.1801.03530,
title = {Multi-Scale Attention with Dense Encoder for Handwritten Mathematical Expression Recognition},
author = {Jianshu Zhang and Jun Du and Lirong Dai},
journal= {arXiv preprint arXiv:1801.03530},
year = {2018}
}