声明
第一章 绪 论
1.1 研究背景和意义
1.2 研究现状
1.2.1 脱机数学公式识别发展状况
1.2.2 自监督学习现状
1.3.1 数据信息不充分
1.3.2 相似符号干扰
1.3.3 书写的差异
1.3.4 数学符号的歧义
1.3.5 数学公式的复杂结构
1.3.6 公式中元素混杂
1.4 本文的创新点
1.5 本文的组织结构
第二章 理论基础与技术
2.1 数学公式识别任务分析
2.2 目标检测技术
2.3 自监督学习技术
2.4 语意分割技术
2.5 序列识别技术
2.6 开发工具与框架
2.6.1 OpenCV
2.6.2 Tensorflow
2.7 本章小结
第三章 自监督学习辅助结构分析模型
3.1 自监督任务分析
3.2 自监督数据集的制作
3.3 自监督任务的构建
3.3.1 图像旋转角度预测
3.3.2 图像随机掩码修复
3.3.3 图像风格自迁移
3.4 自监督测试及结果分析
3.4.1 图像旋转角度预测任务测试
3.4.2 图像随机掩码修复任务测试
3.4.3 图像风格自迁移任务测试
3.4.4 结果分析
3.5 本章小结
第四章 数学公式的二维结构分析模型
4.1 二维结构分析总体架构
4.2 基于规则的二维结构分析
4.2.1 连通域的提取算法
4.2.2 投影分割算法
4.2.3 基于规则的结构判定
4.3 基于语义分割的二维结构分析
4.3.1 语义分割数据集制作
4.3.2 语义分割原理
4.3.3 语义分割在公式识别中的应用
4.4 模型集成方法
第五章 数学公式识别系统的实现与测试
5.1 系统实现
5.1.1 总体设计
5.1.2 实验环境
5.1.3 数学公式切行模块
5.1.4 序列识别模块
5.1.5 训练过程
5.2 系统测试
5.2.1 公式切行模块测试
5.2.2 结构分析模块测试
5.2.3 序列识别模块测试
5.3 小结
第六章 总结与展望
6.1 工作总结
6.2 工作展望
1. 汉字识别问题
2. 上下标中的二维结构
3. 根号切割问题
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;
