基于对抗学习与 Transformer 的离线手写数学公式识别
计算机视觉与模式识别
2022-08-23 v1
摘要
离线手写数学表达式识别（HMER）是数学表达式识别领域的一个重要方向。由于缺乏时间信息以及书写风格的变异性，离线 HMER 通常被认为比在线 HMER 困难得多。本文提出一种使用配对对抗学习的编码器-解码器模型。在编码器中从手写数学表达式图像及其对应的印刷数学表达式中提取语义不变特征。语义不变特征的学习结合 DenseNet 编码器和 transformer 解码器，帮助我们提高了相较于先前研究的表达式识别率。在 CROHME 数据集上评估，我们已将最新的 CROHME 2019 测试集结果提高了约 4%。
引用
@article{arxiv.2208.09662,
title = {Offline Handwritten Mathematical Recognition using Adversarial Learning and Transformers},
author = {Ujjwal Thakur and Anuj Sharma},
journal= {arXiv preprint arXiv:2208.09662},
year = {2022}
}