【摘 要】
：
手写数学公式识别是文档分析领域中的一个非常重要的任务,在自动阅卷、数字图书馆、办公自动化等领域有广泛应用。近年来,随着深度学习的广泛应用,手写数学公式识别研究取得了快速的发展,尤其是注意力机制的引入大幅度提升了公式识别精度。但是大部分现有的基于注意力机制的手写数学公式识别算法在处理较长或者空间结构较复杂的数学公式的时候,依然存在一定的困难,容易出现注意力不准确的情况,从而导致漏掉符号、预测出重复或
论文部分内容阅读
手写数学公式识别是文档分析领域中的一个非常重要的任务,在自动阅卷、数字图书馆、办公自动化等领域有广泛应用。近年来,随着深度学习的广泛应用,手写数学公式识别研究取得了快速的发展,尤其是注意力机制的引入大幅度提升了公式识别精度。但是大部分现有的基于注意力机制的手写数学公式识别算法在处理较长或者空间结构较复杂的数学公式的时候,依然存在一定的困难,容易出现注意力不准确的情况,从而导致漏掉符号、预测出重复或者错误符号等现象。为了解决上述问题,本文利用计数的思想,对现有的手写数学公式识别算法进行改进,使其能够更好地应对复杂且多样的手写数学公式。本文的主要贡献包括:1)将计数的思想引入到手写数学公式识别领域,并提出了一种多尺度公式符号计数模块。该模块能够在不使用额外的符号位置标注的情况下,即只使用手写数学公式原有标注（La Te X序列）的情况下对数学公式进行符号计数。2)通过将该模块插入到两种基于注意力机制的手写数学公式识别模型中,提出了具有符号计数感知的单向手写数学公式识别网络、具有符号计数感知的双向手写数学公式识别网络。这两种网络的训练都是通过联合优化两类任务:符号计数任务和手写数学公式识别任务。通过消融实验验证了符号计数任务和手写数学公式识别任务具有互补性,联合优化可以提升彼此的精度。本文提出了一种多尺度公式符号计数方法,该方法可以应用于现有的基于注意力机制的手写数学公式识别模型中,通过将符号计数任务和手写数学公式识别任务联合优化来改善模型对于复杂手写数学公式的注意力,从而提升模型对于手写数学公式的识别准确率。在四个手写数学公式数据集CROHME 2014、CROHME 2016、CROHME2019、HME100K上,本文所提出的方法均取得了当前最高的识别准确率,验证了所提出方法的有效性。
其他文献
在科研领域,以知识图谱的形式组织科研管理数据有利于推动科研管理工作的进步。科研管理知识图谱的构建依赖于人工输入,其与许多大规模知识图谱一样存在信息缺失的问题。针对该问题,以预测缺失事实为目标的知识推理任务应运而生。近年来主流的知识推理技术围绕嵌入方法展开,然而,现有的嵌入模型大多忽略了有价值的实体类型信息,且在聚合邻域信息时不够精确,无法适应科研管理知识图谱的数据特性,从而导致推理效果不理想。本文
光场调控器件在军事和民用领域有众多用途,对它们的结构参数进行优化设计,能够使其性能超过传统器件。然而,传统优化设计方法存在依赖人工经验、仿真时间长、人工调整难以全局优化等缺点。近年来,机器学习在光场调控器件结构优化研究中展现出高效、便捷的优点。本文聚焦叠层太阳能电池和偏振转换器件这两类在新能源和成像领域有重要作用的光场调控器件,对其结构参数展开智能优化研究。本文首先优化一种钙钛矿/晶体硅（c-Si
激光遥感具有空间分辨率率高、测量范围大、穿透性强的优势在海洋遥感中有着越来越重要的价值。其中,基于布里渊散射的激光雷达能够实现海洋次表层温盐遥感而受到广泛关注。在现有的布里渊激光雷达技术中,基于多边缘技术的测量方式具备大规模遥感海洋温盐垂直剖面分布的能力。目前该测量方法已经完成了理论构建和仿真实验分析,本文的目的是进一步推进该方法从理论向实际应用的发展。为了将该布里渊温盐测量理论推进到实际应用阶段
红外弱小目标检测是红外搜索与跟踪等系统的关键技术,对于提升未来战争中的预警、制空和反击等能力具有重要的价值。通常由于探测距离远和成像环境复杂,目标具有尺寸小、特征少和信噪比低等特点,给其检测带来了不小的困难。目前,基于低秩稀疏的红外弱小目标检测算法具有良好的检测性能,但也存在对局部和非局部特征利用不充分以及对背景低秩逼近不准确的不足,其场景泛化以及抗噪声和稀疏干扰能力仍有待提升。本文分析了不同场景
5G网络建设成本高昂,70%的成本投入在无线接入网。传统无线接入网,采用封闭式系统架构设计,极大推高了建网费用。开放式无线接入网（Open Radio Access Network,O-RAN）旨在打破设备商的垄断,降低接入网的建设成本。网络切片技术是5G的关键性技术,通过在实际的物理网络上切分出多个逻辑网络,来满足不同业务对网络的需求。目前O-RAN网络架构及协议仍处在演进过程中,面向异构流量传
智慧交通是未来城市的必然发展趋势,交通拥堵作为制约社会发展的重要因素之一,是智慧交通中亟需解决的问题。对交通信号进行智能控制能有效缓解交通拥堵。近几年,基于深度强化学习的智能交通信号控制研究受到了学术界和工业界的热切关注,但同时也面临使用单一数据进行训练导致的学习效率低、模型鲁棒性差等问题。因此,本文基于联邦强化学习方法开展跨域智能交通信号控制算法研究。首先,本文提出了一种基于联邦强化学习的跨域智
现代移动通信要求支持的终端移动速度越来越大,信道呈现快速时变的特性,导致基站获取的信道状态信息快速过期。信道预测根据历史的信道状态信息预测当前时刻的信道状态信息。时间卷积网络（Temporal Convolutional Network,TCN）采用扩张因果卷积结构,具备感受野灵活,梯度稳定等优点,本文首次提出将TCN网络用于时域信道预测问题,并且进一步提出了复数域的时间卷积网络（Complex-
驾驶员处于疲劳状态时判断力和反应能力明显下降,极易引发交通事故,对道路交通安全造成极大威胁。在驾驶过程中实时监测驾驶员状态并及时预警,可以有效保障行车安全。现有基于深度学习的疲劳检测算法大多倾向于通过不断增加网络深度和复杂度来达到更高的准确率,从而导致算法实时性欠佳,且模型无法直接部署至计算资源受限的移动端、嵌入式设备上。本文面向实际驾驶场景,研究基于面部特征的实时疲劳驾驶检测算法,并针对算法部署
在计算机视觉领域中,多目标跟踪是一个非常重要的研究课题,其目的是得到视频中感兴趣物体的运动轨迹,包括每帧中代表物体位置信息的包围框和代表物体身份信息的编号。多目标跟踪有广泛的应用价值,是安防监控、自动驾驶、智慧城市等应用中的关键技术。多目标跟踪中包含目标检测、行人重识别等其他研究方向的技术,其中,目标检测常用来获取目标位置,行人重识别常用来得到目标的身份。多目标跟踪大多对行人进行跟踪,场景较为复杂
三维点云分析是计算机视觉中的一个重要任务,其在人们的生产生活中有着极为广泛的应用,如自动驾驶,遥感制图,增强现实等。近年来,随着深度学习技术的不断进步,三维点云分析领域也取得了重大的突破。相较于传统的手工设计的三维点云分析算法而言,基于深度学习的三维点云分析方法在多个公开的数据集上都取得了更为显著的结果。在三维点云分析任务当中,提取有效的局部区域特征描述子以及充分挖掘各个局部区域之间的相关关系都是