ScanSSD：用于 PDF 文档图像中数学公式的扫描式单发检测器
计算机视觉与模式识别
2020-03-19 v1
摘要
我们介绍了扫描式单发检测器（ScanSSD），用于定位偏离文本以及嵌入文本行中的数学公式。ScanSSD 仅使用视觉特征进行检测：不采用任何格式或排版信息，如版式、字体或字符标签。给定 600 dpi 的文档页面图像，单发检测器（SSD）利用滑动窗口在多尺度上定位公式，随后将候选检测汇总以获得页面级结果。在我们的实验中，我们使用了 TFD-ICDAR2019v2 数据集，其为 GTDB 扫描数学文章集的修改版。ScanSSD 以高准确度检测公式中的字符，获得了 0.926 的 f-score，并总体上以高召回率检测公式。检测错误大多是轻微的，例如在大的空白间隙（如变量约束处）拆分公式，以及合并相邻文本行上的公式。获得了 0.796（IOU ）和 0.733（IOU ）的公式检测 f-score。我们的数据、评估工具和代码均已公开可用。
引用
@article{arxiv.2003.08005,
title = {ScanSSD: Scanning Single Shot Detector for Mathematical Formulas in PDF Document Images},
author = {Parag Mali and Puneeth Kukkadapu and Mahshad Mahdavi and Richard Zanibbi},
journal= {arXiv preprint arXiv:2003.08005},
year = {2020}
}
备注
8 pages, 7 figures