基于自注意力生成对抗网络的手写公式无监督训练数据生成
计算机视觉与模式识别
2021-06-18 v1 机器学习
摘要
图像和视频帧中手写数学表达式的识别是一个困难且尚未解决的问题。深度卷积神经网络本质上是一种有前景的方法，但通常需要大量标注训练数据。然而，对于手写公式识别任务，并不存在这样的大型训练数据集。在本文中，我们介绍了一个系统，该系统从 LaTeX 文档中导出大量合成的数学表达式训练样本。为此，我们提出了一种新颖的基于注意力的生成对抗网络，将渲染的方程式转换为手写公式。该方法生成的数据集包含数十万条公式，使其非常适用于预训练或更复杂模型的设计。我们在 CROHME 2014 基准数据集上评估了我们的合成数据集与识别方法。实验结果证明了该方法的可行性。
引用
@article{arxiv.2106.09432,
title = {Unsupervised Training Data Generation of Handwritten Formulas using Generative Adversarial Networks with Self-Attention},
author = {Matthias Springstein and Eric Müller-Budack and Ralph Ewerth},
journal= {arXiv preprint arXiv:2106.09432},
year = {2021}
}
备注
Accepted for publication in: ACM International Conference on Multimedia Retrieval (ICMR) Workshop 2021