摘要
手写数学表达式（Handwritten Mathematical Expression, HME）的机器识别面临诸多挑战，主要源于手写符号的歧义性以及数学表达式的二维布局结构。受深度学习近期研究的启发，我们提出了一种名为“Watch, Attend and Parse”（WAP）的新颖端到端神经网络方法，该方法能够直接从二维布局中学习识别HME，并将其输出为一维的LaTeX字符序列。与传统方法不同，本模型无需进行符号分割，也无需预设的表达式语法结构，从根本上规避了由此带来的诸多问题。其中，符号识别与结构分析任务分别由“Watcher”和“Parser”模块协同完成。具体而言，我们采用卷积神经网络（CNN）作为编码器，将HME图像作为输入，负责“观察”输入内容；同时，使用带有注意力机制的循环神经网络（RNN）作为解码器，充当“解析器”，用于生成LaTeX序列。此外，输入表达式与输出LaTeX序列之间的对应关系由注意力机制自动学习获得。我们在CROHME国际竞赛发布的基准数据集上验证了所提方法的有效性。基于官方提供的训练数据集，WAP在CROHME 2014测试集上实现了46.55%的表达式识别准确率，在CROHME 2016测试集上达到44.55%的准确率，显著优于当前最优方法。