昇腾AI创新大赛2023-昇思赛道-算法创新赛题
本题目要求利用MindSpore实现CAN模型,CAN 是ECCV 2022的一篇工作,在手写数学公式识别中有出色的表现。
CROHME14数据集是针对在线手写数学表达式识别的标准数据集。它包含了各种算术、代数和高级数学的手写公式,并使用MathML或其他标记语言进行注释。该数据集旨在评估和比较不同的HMER方法。
从百度云 可以下载 CROHME 数据集(downloading code: 1234)并将其放置到 datasets/
。
Ascend: Ascend910
Mindspore: Mindspore1.10.1
│ AttDecoder_bad_case.json
│ config.yaml
│ counting_utils.py
│ dataset.py
│ inference.py
│ LICENSE
│ new.ckpt
│ README.md
│ requirements.txt
│ run.ipynb
│ train.py
│ training.py
│ utils.py
│
├─datasets
│ └─CROHME
│ 14_test_images.pkl
│ 14_test_labels.txt
│ 16_test_images.pkl
│ 16_test_labels.txt
│ 19_test_images.pkl
│ 19_test_labels.txt
│ train_images.pkl
│ train_labels.txt
│ words_dict.txt
│
├─models
│ attention.py
│ can.py
│ counting.py
│ decoder.py
│ densenet.py
│ infer_model.py
│ __init__.py
│
└─scripts
run_inference.sh
run_train.sh
python train.py --dataset CROHME
python inference.py --dataset CROHME
模型 | 精度:ExpRate |
---|---|
CAN(ours) | 54.26% |
Paddle | 51.72% |
论文 | 57.00% |
When Counting Meets HMER: Counting-Aware Network for Handwritten Mathematical Expression Recognition
基于pytorch实现CAN模型
基于PaddlePaddle实现CAN模型