申请/专利权人：山东大学

申请日：2023-12-25

公开（公告）日：2024-04-02

公开（公告）号：CN117809320A

主分类号：G06V30/32

分类号：G06V30/32;G06V30/148;G06V10/82;G06N3/0464;G06N3/0455;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提出了基于深度学习的试卷手写数学公式识别方法及系统，包括：基于模板图像将获取的试卷图像中的数学公式进行检测和切分：检测获取试卷作答区域图像中的独立公式，计算每个独立公式在原始试卷图像所处位置的边界框，基于边界框切分公式；将切分得到的独立数学公式图像用训练好的识别模型进行识别，识别模型为结合公式图像全局特征和局部特征的多尺度注意力编解码模型，其中，编码器提取公式图像特征后，全局字符统计模块和局部字符分类模块为解码器模块提供全局信息和局部信息，基于多尺度注意力机制的解码器进而解码公式图像特征对应的预测序列；将经过识别模型识别后转换为LaTeX格式，将公式图像和对应预测结果进行保存。

主权项：1.基于深度学习的试卷手写数学公式识别方法，其特征是，包括：获取试卷图像，包括获取作答图像和模板图像；检测模型基于模板图像将获取的试卷图像中的数学公式进行检测和切分：检测获取试卷作答区域图像中的独立公式，采用连通域和图像投影结合的方法，计算每个独立公式在试卷作答区域图像所处位置的边界框，基于边界框切分公式；将切分得到的独立数学公式图像用训练好的识别模型进行识别，识别模型为结合公式图像全局特征和局部特征的多尺度注意力编解码模型，其中，编码器提取公式图像特征后，基于多尺度注意力机制的解码器进而解码公式图像特征对应的预测序列；将经过识别模型识别后转换为LaTeX格式，将公式图像和对应预测结果进行保存。

全文数据：

权利要求：

百度查询： 山东大学 基于深度学习的试卷手写数学公式识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD