交互技术在手写公式编辑中的应用

遵循泛化计算理论,设计实现了一个联机手写公式编辑系统,以提高识别率和交互(效)率．该系统采用上下文感知技术来辅助切分、解决符号的二义性;采用备选择优、直接指定技术来修正字符的识别结果;采用局部放大解决笔画交叉时的分割问题;最后还给出一个补笔算法．实验表明,这些技术的应用使得数学公式的识别率和系统交互(效)率得到有效的提高,同时使该系统具有自然、隐式交互的特点。     

在线手写数学公式结构分析算法

在线手写数学公式输入作为一种自然、快速的数学公式输入方法有着很大的应用前景。基于识别通用数学公式结构的范畴,提出了在线手写数学公式结构识别的算法。首先定义了数学公式结构的分形、支配关系并扩展了硬约规,同时根据手写公式的特点提出了最小生成树(MST)算法中一种新的权值计算方法,在此基础之上应用最小生成树算法和统计学的方法进行公式结构分析。与其他经典算法比较,所提算法扩大了识别的结构,同时识别正确率有所提高。     

基于语音和笔的手写数学公式纠错方法

采用识别技术的用户界面往往由于识别率的限制容易出错,如何为这类界面提供自然高效的纠错方法十分重要.手写数学公式具有二维结构,难以识别和纠错.提出一种用于纠正手写数学公式识别错误的多通道技术.它允许用户使用笔纠正切分错误,用笔和语音纠正符号识别和表达式结构分析错误.该技术的核心是一个多通道融合算法.融合算法以笔选择的符号和语音作为输入,根据语音输入的类型是数学术语或者数学符号分别选择融合方法,最后修正手写公式并输出最有可能的识别结果.实验结果表明,该技术能有效地纠正手写数学公式识别中的错误,它比基于笔的单通道纠错技术更加高效.     

手写数学公式的识别研究及在Android上的应用

为了开发一款在Android平板电脑上运行的手写数学公式识别的软件,首先采用特征值多级分类方法对手写字符进行识别;然后提出一种使用三叉结点结构存储数学公式的算法,将手写数学公式转换成一棵三叉树;最后利用三叉树的先序算法将三叉树转换成MathML语言即可在Web浏览器上显示。     

基于注意力机制编码器-解码器的手写数学公式识别模型

针对现有的手写数学公式识别(HMER)方法经过卷积神经网络(CNN)多次池化后,图像分辨率降低、特征信息丢失,从而引起解析错误的问题,提出基于注意力机制编码器-解码器的HMER模型.首先,采用稠密卷积网络(DenseNet)作为编码器,使用稠密连接加强特征提取,促进梯度传播,并缓解梯度消失;其次,采用门控循环单元(GRU)作为解码器,并引入注意力机制,将注意力分配到图像的不同区域,从而准确地实现符号识别和结构分析;最后,对手写数学公式图像进行编码,将编码结果解码为LaTeX序列.在在线手写数学公式识别竞赛(CROHME)数据集上的实验结果表明,所提模型的识别率提升到40.39％,而在3个级别的允许误差范围内,识别率分别提升到52.74％、58.82％和62.98％.相较于双向长短期记忆(BLSTM)网络模型,所提模型的识别率提高了3.17个百分点;而在3个级别的允许误差范围内,识别率分别提高了8.52、11.56和12.78个百分点.可见,所提模型能够准确地解析手写数学公式图像,生成LaTeX序列,提升识别率.     

HchMER: 混合人机智能的手写数学表达式识别方法

随着人工智能和端到端识别方法在手写数学表达式识别上的应用,数学表达式识别准确率有了明显的提高.然而,与公开数据集上的测试不同,实际应用中人的参与为识别算法引入了更多的不确定因素,如个性化的笔画信息、包含歧义的手写字符,以及不确定的公式结构等,影响了识别算法的性能.为此,提出了一种混合人机智能的手写数学表达式识别方法 HchMER.该方法借助手写数学公式识别算法、知识库和用户反馈,增强机器对用户输入的数学表达式的理解,从而提升手写数学表达式的编辑速度和准确率.为了验证HchMER的有效性,将其分别与MyScript Math Recognition (MyScript)算法,以及一个成熟的商用产品“Microsoft Ink Equation”(InkEquation)进行了比较.实验结果表明, HchMER在准确率上较MyScript和InkEquation分别提高了23.2%和26.51%.在平均完成时间上, HchMER比MyScript增加了44.46%(9.6 s),但是比InkEquation降低了11.48%(4.05 s).同时,被试在问卷调查和半结构化访谈中对HchMER给予了肯定.     

基于人工免疫模型的在线手写签名识别方法

采集能表征签名者潜在手写习惯的签名特征,利用人工免疫模型的自学习和自适应实现在较少训练样本的条件下获得具有更高区分度的手写签名模板.实验结果表明,文中方法识别具有良好的训练效果,能获得较好的验证率和鉴别率.     

基于多重规则和路径评价的在线中英文手写识别方法

手写文本识别方法主要应用于文本输入技术,对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题,提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分,得到一系列字符片段,同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度,对字符片段进行中英文分类。在此基础上,根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法,分别对候选的中、英文字符片段进行合并处理,得到待识别的中、英文字符序列,并将其分别送入卷积神经网络的中、英文识别模型中,得到手写文本识别结果。实验结果表明,在线手写中英文混合文本识别正确率达93.67%,不仅能切分在线手写中文文本行,而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。     

基于图像识别技术的手写数字识别方法

随着世界经济越来越发达,各国经济交流日益加深,人们每天要处理大量的票据.手写数字在这个领域是必不缺少的,例如人们要处理许多支票、发票、货物单等数据,这些都要大量与数据打交道.传统的方法是利用光学的光电变换原理对数字进行识别,该方法对环境要求比较高,成本较高,识别率和实时性比较低.文中提出基于图像识别的对0至9手写数字识别技术.实验表明,对2,3,4,5,8,9字符准确识别,而对1,7,0,6,数字基本识别无误,该方法提高了对数字识别率和实时性.     

在线草图识别研究综述

综述了在线草图识别研究现状,重点关注近十年的研究成果,内容包括识别时机、单笔画处理、单个图符识别、图文分离和无约束笔画成组等,最后就今后的发展和关键问题进行了总结.