使用多尺度鲁棒神经网络将手写数学表达式识别为 LaTeX 序列
计算机视觉与模式识别
2020-03-03 v1 图像与视频处理
摘要
本文提出一种鲁棒的多尺度神经网络，用于识别手写数学表达式并输出 LaTeX 序列，该网络能有效且正确地聚焦于每步输出应关注的位置，并对分析手写数学表达式的二维结构及识别长表达式中的不同数学符号具有积极作用。借助可视化，模型的识别过程得以详细展示。此外，我们的模型在公开 CROHME 2014 与 CROHME 2016 数据集上分别取得了 49.459% 与 46.062% 的 ExpRate。当前模型结果表明，该先进模型具有更好的鲁棒性、更少的错误与更高的准确率。
引用
@article{arxiv.2003.00817,
title = {Recognizing Handwritten Mathematical Expressions as LaTex Sequences Using a Multiscale Robust Neural Network},
author = {Hongyu Wang and Guangcun Shan},
journal= {arXiv preprint arXiv:2003.00817},
year = {2020}
}
备注
6 figures, 5 tables, 20 pages