典型文献
基于改进YOLOv5s的离线手写数学符号识别
文献摘要：
离线数学符号识别是离线数学表达式识别的前提.针对现有离线符号识别方法只是单纯的对符号进行识别,对离线表达式识别的其他环节未有任何帮助,反而会限制表达式识别,提出一种改进YOLOv5s的离线符号识别方法.首先,根据符号图像小的特点,用生成对抗网络(GAN)进行数据增强;其次,从符号类别的角度分析,在YOLOv5s模型中引入空间注意力机制,利用全局最大值和全局平均值池化,扩大类别间的差异特征;最后,从符号自身角度分析,引入双向长短期记忆网络(BiLSTM)对符号特征矩阵进行处理,使符号特征具有上下相关联的信息.实验结果表明:改进后的YOLOv5s取得较好离线符号识别效果,有92.47％的识别率,与其他方法进行对比,证明了其有效性和稳健性.同时,能有效避免离线数学表达式识别中错误累积的问题,且能为表达式的结构分析提供有效依据.
文献关键词：
离线手写数学符号识别;数据增强;生成对抗网络;空间注意力机制;双向长短期记忆网络
中图分类号：
作者姓名：
方洪波;万广;陈忠辉;黄以卫;张文勇;谢本亮
作者机构：
贵州大学大数据与信息工程学院,贵州 贵阳 550025;教育部半导体功率器件可靠性工程中心,贵州 贵阳 550025;贵州财经大学西部现代化研究中心,贵州 贵阳 550025;贵州大学计算机科学与技术学院,贵州 贵阳 550025
文献出处：
引用格式：
[1]方洪波;万广;陈忠辉;黄以卫;张文勇;谢本亮-.基于改进YOLOv5s的离线手写数学符号识别)[J].图学学报,2022(03):387-395
A类：
离线手写数学符号识别,数学表达式识别
B类：
YOLOv5s,制表,符号图,生成对抗网络,GAN,数据增强,空间注意力机制,池化,差异特征,双向长短期记忆网络,BiLSTM,符号特征,特征矩阵,相关联,识别率,其他方法
AB值：
0.155712
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
