基于多特征卷积神经网络的手写公式符号识别

作     者：方定邦 冯桂 曹海燕 杨恒杰 韩雪 易银城 Fang Dingbang;Feng Gui;Cao Haiyan;Yang Hengjie;Han Xue;Yi Yincheng

作者机构：华侨大学信息科学与工程学院厦门市移动多媒体通信重点实验室福建厦门361021 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2019年第56卷第7期

页      面：256-263页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：福建省自然科学基金(2016J01306) 华侨大学研究生科研创新能力培育计划(17014082020) 

主　　题：光计算 稠密卷积神经网络 手写公式符号 稠密残差块 深度特征 细粒度特征 

摘      要：提出了基于多特征稠密卷积神经网络的模型框架(DenseNet-SE)。与传统方法相比,DenseNet-SE采用数据驱动的方法,无需手工提取特征。该框架包含了稠密残差块的结构,能够获取深度特征。通过跳跃连接的方式,从浅层获取细粒度特征来辅助深度特征。同时,融合特征有助于网络结构获取更多全局信息,更好地表示公式符号的类别。利用在线手写数学表达式识别的竞赛组织(CROHME)提供的标准数学公式符号库来验证所提算法,结果表明,CROHME2014和CROHME2016的识别率分别达到93.38%和92.93%,高于目前已有算法的识别率。