摘要
本发明涉及一种基于上下文一致的贝叶斯先验手写数学表达式识别方法,包括:收集手写数学表达式图片,构建数据集,数据集包括多张手写数学表达式图片及对应的Latex序列文本,并制备对应于各手写数学表达式图片的上下文信息;利用数据集以及制备的上下文信息,训练得到多源输入融合识别模型,该多源输入融合识别模型用于提取数学公式图片特征表示、上下文信息特征表示以及Latex填空目标序列的特征表示,并通过特征融合处理,输出得到识别结果;将待识别的手写数学表达式图片及相应的上下文信息、Latex填空文本序列输入多源输入融合识别模型,输出得到对应的识别结果,包括Latex序列文本和置信度。与现有技术相比,本发明能够有效提高手写数学表达式的识别精度。
技术关键词
表达式
识别方法
数学
文本
图片
序列
模块
图像特征提取
深度学习网络模型
深度学习图像
特征提取方式
自然语言
特征提取模型
网络结构
深度学习模型
数据
印刷体
变量
标签
系统为您推荐了相关专利信息
忆阻器阵列
精度评估方法
基线
精度评估装置
训练神经网络模型
姿态调节方法
数学模型
调节悬挂系统
算法
拓扑绝缘体
分析模块
企业管理系统
数据采集单元
判别模块
对象
大语言模型
实例生成方法
主题
模版
计算机执行指令