项目实训一

背景

手写数学公式识别较传统OCR问题而言，是一个更复杂的二维手写识别问题，其内部复杂的二维空间结构使得其很难被解析，传统方法的识别效果不佳。随着深度学习在各领域的成功应用，文章首次提出了基于深度学习的端到端离线数学公式算法，并在公开数据集上较传统方法获得了显著提升，开辟了全新的数学公式识别框架。然而在线手写数学公式识别框架还未被提出，论文TAP则是首个基于深度学习的端到端在线手写数学公式识别模型，且针对数学公式识别的任务特性提出了多种优化。

重难点分析

1.公式的二维结构在识别上更为困难

2.公式中形近字符识别难度加大

3.作为用户，手写的多样化导致识别效果，识别精准度有所不同

人员分工

主要负责前端界面的设计和规划，负责与后端进行连接

同时看相关文献和代码，一起讨论算法的优化和代码实现问题