Combining CNN and Transformer as Encoder to Improve End-to-End Handwritten Mathematical Expression Recognition Accuracy

计算机科学 变压器 编码器 卷积神经网络 人工智能 模式识别(心理学) 端到端原则 语音识别 电压 电气工程 工程类 操作系统
作者
Zhang Zhang,Yibo Zhang
出处
期刊:Lecture Notes in Computer Science 卷期号:: 185-197
标识
DOI:10.1007/978-3-031-21648-0_13
摘要

The attention-based encoder-decoder (AED) models are increasingly used in handwritten mathematical expression recognition (HMER) tasks. Given the recent success of Transformer in computer vision and a variety of attempts to combine Transformer with convolutional neural network (CNN), in this paper, we study 3 ways of leveraging Transformer and CNN designs to improve AED-based HMER models: 1) Tandem way, which feeds CNN-extracted features to a Transformer encoder to capture global dependencies; 2) Parallel way, which adds a Transformer encoder branch taking raw image patches as input and concatenates its output with CNN's as final feature; 3) Mixing way, which replaces convolution layers of CNN's last stage with multi-head self-attention (MHSA). We compared these 3 methods on the CROHME benchmark. On CROHME 2016 and 2019, Tandem way attained the ExpRate of 54.85% and 58.56%, respectively; Parallel way attained the ExpRate of 55.63% and 57.39%; and Mixing way achieved the ExpRate of 53.93% and 55.64%. This result indicates that Parallel and Tandem ways perform better than Mixing way, and have little difference between each other.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
2秒前
华仔应助迷路南琴采纳,获得10
2秒前
情怀应助闵SUGA采纳,获得10
4秒前
4秒前
努力科研的博士僧完成签到,获得积分10
5秒前
阿蒙完成签到,获得积分10
6秒前
6秒前
SciGPT应助烹全鱼宴采纳,获得10
6秒前
十一发布了新的文献求助10
7秒前
0707007发布了新的文献求助10
7秒前
8秒前
生米A吴发布了新的文献求助10
8秒前
科目三应助我不看月亮采纳,获得10
8秒前
通通完成签到,获得积分10
9秒前
9秒前
天南星发布了新的文献求助20
12秒前
12秒前
可爱的函函应助cheesy采纳,获得10
12秒前
十一完成签到,获得积分10
13秒前
13秒前
14秒前
万能图书馆应助0707007采纳,获得10
14秒前
14秒前
PK发布了新的文献求助10
15秒前
15秒前
瓜尔佳发布了新的文献求助10
16秒前
Blowga发布了新的文献求助10
16秒前
16秒前
南山皮卡丘完成签到,获得积分20
17秒前
nxf完成签到,获得积分10
17秒前
九耳久知完成签到,获得积分10
18秒前
闵SUGA发布了新的文献求助10
18秒前
123发布了新的文献求助10
19秒前
壮观晓兰发布了新的文献求助10
19秒前
20秒前
20秒前
20秒前
20秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Semiconductor Process Reliability in Practice 1500
Handbook of Prejudice, Stereotyping, and Discrimination (3rd Ed. 2024) 1200
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3243862
求助须知:如何正确求助?哪些是违规求助? 2887702
关于积分的说明 8249629
捐赠科研通 2556367
什么是DOI,文献DOI怎么找? 1384486
科研通“疑难数据库(出版商)”最低求助积分说明 649858
邀请新用户注册赠送积分活动 625809