基于深度学习的数学公式粘连符号的切分?

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.

关键词：数学公式识别、深度学习、粘连符号、切分

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省教育厅科研项目2050205;国家自然基金重点项目61136002;常州钟楼开发区与西安邮电大学科技合作项目资助

在线出版日期：2019-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2579-2584