基于改进Faster R-CNN的算式检测与定位

摘要

算术题批改是小学数学老师的一项重要任务。为了提高批改效率,可使用机器视觉的方法来检测和识别。算式检测与定位的准确性会影响后续的识别与批改结果,为了提高其准确性,提出了一种基于改进Faster R-CNN的基础算式检测与定位的方法。通过聚类分析数据集中算式的参数,对区域建议网络(Region Proposal Network, RPN)中锚框(Anchor boxes)的尺寸和比例进行了调整,减少了训练中的冗余计算,提高了收敛速度;同时用ROI Align替换ROI Pooling,避免了2次量化对检测精度带来的影响。实验表明,改进的Faster R-CNN提升了基础算式的检测定位效果。