面向离线手写数学公式识别的笔划提取
计算机视觉与模式识别
2020-04-14 v2
摘要
由于缺乏时序信息，离线手写数学公式识别通常被认为比在线识别困难得多。为了利用更成熟的在线识别方法并节省资源，本文提出一种过分割方法，从文本位图图像中自动恢复笔划。所提算法首先将二值化图像的骨架分解为结点和线段，然后将线段合并以形成笔划，最后通过递归投影和拓扑排序对笔划顺序进行归一化。结合并非专为提取笔划设计的普通在线识别器，取得了良好的离线准确率。给定一个现成的先进在线手写数学公式识别器，所提流程分别正确识别了2014、2016和2019年在线手写数学公式识别竞赛（CROHME）数据集中渲染出的离线公式的58.22%、65.65%和65.22%。此外，给定一个可训练的在线识别系统，用提取的笔划重新训练它得到了一个具有同等准确率的离线识别器。另一方面，整个流程的速度足够快，可在资源受限的手机上实现设备端识别。总之，笔划提取为构建光学字符识别软件提供了一种有吸引力的方法。
引用
@article{arxiv.1905.06749,
title = {Stroke extraction for offline handwritten mathematical expression recognition},
author = {Chungkwong Chan},
journal= {arXiv preprint arXiv:1905.06749},
year = {2020}
}
备注
22 pages, 7 figures