本文介绍了Arithmetical Exercise Checker (AEC)系统，用于自动批改小学算术作业。系统克服了印刷体与手写体文本、特殊算术模式和错误评估的挑战，利用算术模式的特性实现高准确性。实验显示系统对40种常见习题的正确率为93.72%，已服务于百万用户。文章详细阐述了公式提取、识别和数学模型判定的步骤，探讨了CenterNet和arithmetical neural machine translation (ANMT)在解决模糊边界和语义内容问题上的应用。
回归论文，感谢刘发给我的最新论文。
CSIG文档图像分析与识别专委会 已有关于这篇论文的解读，直指核心，凝练简洁。
作为一个小白还是需要静下心来细读，尤其是基础部分。特做一个整理。
0、Abstract
小学作业批改时一项费时费力的教师日常工作，论文提出了一个算术习题批改系统（Arithmetical Exercise Checker AEC），对常见的小学算术习题进行检测，识别和评估。该任务具有三个难点：1、算术习题包含了印刷体和手写体文本，并具有特殊的算术模式（如多行，分数）；2、手写体文本往往具有锯齿状的边界且各行文本缠乱在一起；3、算术习题的语义内容可能会出现算术错误，使得语义信息价值降低。针对这些问题，论文利用算术习题自身的三个特性：1）边界模糊；2）算术模式局部相关性；3）算术符号全局无关性。实验表明本系统对40种常见的小学算术习题具有93.72%正确性，线上系统已经日均处理7.5万个请求，面向超过百万用户提供服务。
1、Introduction
第一步提取公式，第二步识别公式并生成文本，第三步用数学模型判定正确性。
模糊边界会妨碍基于anchor机制的目标检测算法，例如流行的SSD,Faster-RCNN。
参考博文：
最低0.47元/天 解锁文章
1539
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
