手書き数学表現認識のための構文を意識したネットワーク【JST・京大機械翻訳】

Yuan Ye; Liu Xiao; Dikubab Wondimu; Liu Hui; Ji Zhilong; Wu Zhongqin; Bai Xiang

プレプリント

J-GLOBAL ID：202202206215038949 整理番号：22P0298251

手書き数学表現認識のための構文を意識したネットワーク【JST・京大機械翻訳】

Syntax-Aware Network for Handwritten Mathematical Expression Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年06月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

手書き数学的表現認識(HMER)は,多くの潜在的アプリケーションを持つ挑戦的なタスクである。HMERのための最近の方法は,符号器デコーダアーキテクチャで優れた性能を達成した。しかしながら,これらの方法は,予測が「1つの特性からもう1つ」になされるというパラダイムに接着し,それは数学的表現またはカニベッド手書きの複雑な構造による予測誤差を必然的にもたらす。本論文では,符号器デコーダネットワークに構文情報を組み入れる初めてのHMERのための簡単で効率的な方法を提案した。具体的には,各表現のLaTeXマークアップシーケンスを構文解析ツリーに変換するための文法ルールの集合を提示した。次に,深いニューラルネットワークによるツリー横断過程としてマークアップシーケンス予測をモデル化した。このように,提案方法は,表現の構文的コンテキストを効果的に記述することができ,HMERの構造予測誤差を軽減できる。3つのベンチマークデータセットに関する実験は,著者らの方法が以前の技術より良い認識性能を達成することを証明した。提案手法の有効性をさらに検証するために,著者らは10万の書き手から得た100k手書き数学的表現画像からなる大規模データセットを作成した。本研究のソースコード,新しいデータセット,および事前訓練モデルは,公的に利用できるであろう。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , ニューロコンピュータ , 人工知能

, , , ,

前のページに戻る