Детекція прямих для генерації TikZ коду
DOI:
https://doi.org/10.18372/1990-5548.76.17671Ключові слова:
детекція прямої, згорткові нейронні мережі, перетворення ГафаАнотація
Статтю присвячено розпізнаванню прямих ліній на намальованих від руки геометричних малюнках за допомогою нейронних мереж. Мова LaTeX зазвичай використовується для оформлення статей, що займає більше часу, особливо при написанні формул або побудові геометричних малюнків, на відміну від виконання тієї ж роботи від руки. Автоматизація побудови малюнків дасть змогу прискорити процес написання статей. У статті розглядається детекція прямих ліній, як найпопулярніших елементів геометричних малюнків. Розглянуто перетворення Гафа для виявлення прямих ліній та його недоліки. Використання згорткових нейронних мереж для цього завдання пропонується так як вони є найкращим інструментом для роботи із зображеннями. Для навчання моделі було створено набір даних із рукописними лініями та лініями, побудованими в графічному редакторі. Наведено результати роботи нейронної мережі.
Посилання
WANG Zelun and LIU Jyh-Charn, “Translating math formula images to LaTeX sequences using deep neural networks with sequence-level training,” International Journal on Document Analysis and Recognition (IJDAR), 2021, 24.1–2: 63–75. https://doi.org/10.1007/s10032-020-00360-2
SPRINGSTEIN Matthias, MÜLLER-BUDACK Eric, and EWERTH Ralph, “Unsupervised training data generation of handwritten formulas using generative adversarial networks with self-attention,” In: Proceedings of the 2021 Workshop on Multi-Modal Pre-Training for Multimedia Understanding, 2021, pp. 46–54. https://doi.org/10.1145/3463945.3469059
BIAN Xiaohang, et al., “Handwritten mathematical expression recognition via attention aggregation based bi-directional mutual learning,” In: Proceedings of the AAAI Conference on Artificial Intelligence, 2022, pp. 113–121. https://doi.org/10.1609/aaai.v36i1.19885
SIDDIQUE Fathma, SAKIB Shadman, and SIDDIQUE Md Abu Bakr, “Recognition of handwritten digit using convolutional neural network in python with tensorflow and comparison of performance for various hidden layers,” In: 2019 5th international conference on advances in electrical engineering (ICAEE), IEEE, 2019, pp. 541–546. https://doi.org/10.1109/ICAEE48663.2019.8975496
ANG Zelun and LIU Jyh-Charn, “Translating math formula images to LaTeX sequences using deep neural networks with sequence-level training,”. International Journal on Document Analysis and Recognition (IJDAR), 2021, 24.1–2: 63–75. https://doi.org/10.1007/s10032-020-00360-2
HEROUT Adam, et al., “Review of Hough transform for line detection,” Real-Time Detection of Lines and Grids: By PClines and Other Approaches, 2013, 3–16. https://doi.org/10.1007/978-1-4471-4414-4_2
ADEM Kemal, “Impact of activation functions and number of layers on detection of exudates using circular Hough transform and convolutional neural networks,” Expert Systems with Applications, 2022, 203: 117583. https://doi.org/10.1016/j.eswa.2022.117583
ZHAO Kai, et al., “Deep hough transform for semantic line detection,” IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, 44.9: 4793–4806.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
Автори зберігають авторські права та надають журналу право першої публікації роботи, одночасно ліцензованої за ліцензією Creative Commons Attribution License, яка дозволяє іншим поширювати роботу з посиланням на авторство роботи та її першу публікацію в цьому журналі.
Автори можуть укладати окремі додаткові договірні угоди щодо неексклюзивного розповсюдження опублікованої в журналі версії роботи (наприклад, розміщувати її в інституційному репозиторії або публікувати в книзі) з посиланням на її першу публікацію в цьому журналі.
Авторам дозволяється та заохочується розміщувати свої роботи онлайн (наприклад, в інституційних репозиторіях або на своєму вебсайті) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш раннього та більшого цитування опублікованих робіт (див. Вплив відкритого доступу).
