您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201912-106
论文题目 基于深度学习的端到端印刷体数学公式识别
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于深度学习的端到端印刷体数学公式识别

首发时间:2019-12-26

詹逸超 1   

詹逸超(1996-),男,硕士研究生,主要研究方向:计算机视觉。

张洪刚 1   

张洪刚 (1974-),男,副教授,研究生导 师,主要研究方向: 数字图像处理、视频挖掘、智能交通。E-mail: zhhg@bupt.edu.cn

  • 1、北京邮电大学信息与通信工程学院,北京  100876

摘要:印刷体数学公式的识别对于在线教育和防止学术不端都有重要的现实意义,目前大多研究者使用的是传统的分步骤方法,实现困难且泛用性不强。本文提出一种基于深度学习的端到端的印刷体数学公式识别方法,使用卷积神经网络(convolutional neural network,CNN)提取图像特征,并使用编码器-解码器结构的循环神经网络(recurrent neural network,RNN),将特征翻译为LaTeX 文本。使用识别前图片和识别的公式结果生成的图片的距离作为评价标准,在基于2003年KDD Cup数据集的提取的公式数据上取得了良好的效果。

关键词: 人工智能 深度学习 卷积神经网络 公式识别 光学字符识别

For information in English, please click here

The End-to-End Recognition of Printed Mathmatical Formulas Based on Deep Learning

ZHAN Yichao 1   

詹逸超(1996-),男,硕士研究生,主要研究方向:计算机视觉。

ZHANG Honggang 1   

张洪刚 (1974-),男,副教授,研究生导 师,主要研究方向: 数字图像处理、视频挖掘、智能交通。E-mail: zhhg@bupt.edu.cn

  • 1、School of Communication and Information Engineering, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:The recgonition of printed mathematical formulas has important practical significance for both online education and prevention of academic misconduct. At present, most researchers use traditional step-by-step methods, which are difficult to implement and are rarely universal. This article proposes an end-to-end method for recognition of printed mathematical formulas based on deep learning. It uses a convolutional neural network (CNN) to extract image features and uses a recurrent neural network (RNN) with an encoder-decoder structure to translate features into LaTeX text. Using the distance between the picture before recognition and the picture generated by the formula result as the evaluation criterion, good results have been obtained on the formula data extracted based on the 2003 KDD Cup dataset.

Keywords: artificial intelligence deep learning convolutional neural network formula recognition OCR

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
詹逸超,张洪刚. 基于深度学习的端到端印刷体数学公式识别[EB/OL]. 北京:中国科技论文在线 [2019-12-26]. http://www.paper.edu.cn/releasepaper/content/201912-106.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于深度学习的端到端印刷体数学公式识别