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