基于深度学习的数学公式粘连符号的切分?

• 作者: 李涛 郭蓉蓉 魏琦
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 数学公式识别 深度学习 粘连符号 切分
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像处理
• 页码范围: 2579-2584
• 页数: 6页
• 分类号: TP391.41
• 字数: 3831字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.10.039

摘要

粘连符号切分一直是数学公式识别中的重要问题,也是造成识别错误的主要原因之一,针对这种情况论文用深度学习对粘连符号进行了分割.使用FasterRCNN神经网络进行有监督训练,在训练数据集中包含各种粘连情况,如:水平粘连、垂直粘连以及对角线粘连等,对特殊的粘连情况另外做特殊的处理.通过实验表明这种分割方法使得粘连符号的切分得到显著的提高,同时也提高了数学符号识别的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涛	西安邮电大学计算机学院	66	277	9.0	13.0
2	魏琦	西安邮电大学计算机学院	2	5	1.0	2.0
3	郭蓉蓉	西安邮电大学计算机学院	2	1	1.0	1.0