基于BG-Net手写数学公式计算系统的实现

摘要

针对手写数学公式识别难度大及计算量高的问题，提出一种基于BG-Net神经网络识别手写数学公式并自动计算的新方法.通过改进的最小外边框与投影法结合算法对数学公式进行分割，解决了数学公式切分不彻底的问题.在传统的VGGNet网络的基础上，引入零填充层控制特征图的大小，有效解决了模型无法获取边缘关键信息的问题.使用全局池化层替代全连接层，减少了网络参数.为了提高网络的训练速度，在卷积操作后添加批量标准化处理.采用较小的卷积核进行特征提取，根据各类型数学公式的二维空间特征和语法逻辑实现公式映射，利用“分组树”的思想实现系统在四则运算、定积分、方程、矩阵、微分及混合运算之间的计算.研究结果表明：BG-Net模型在CROHME 2016数据集上对公式整体识别率达到94.68%,数学公式各模块计算准确率均为95%以上，混合运算准确率为94.7%,验证了该方法的有效性.

关键词

手写公式识别 / BG-Net模型 / 空间解析 / 数学公式映射 / 模块计算