JP2023510904A - 手書きにおける数学検出 - Google Patents
手書きにおける数学検出 Download PDFInfo
- Publication number
- JP2023510904A JP2023510904A JP2022543161A JP2022543161A JP2023510904A JP 2023510904 A JP2023510904 A JP 2023510904A JP 2022543161 A JP2022543161 A JP 2022543161A JP 2022543161 A JP2022543161 A JP 2022543161A JP 2023510904 A JP2023510904 A JP 2023510904A
- Authority
- JP
- Japan
- Prior art keywords
- symbol
- classification
- symbols
- text
- mathematical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 96
- 230000015654 memory Effects 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000012805 post-processing Methods 0.000 description 16
- 230000002123 temporal effect Effects 0.000 description 16
- 238000002372 labelling Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 8
- 230000036961 partial effect Effects 0.000 description 8
- 230000004913 activation Effects 0.000 description 7
- 238000012804 iterative process Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013515 script Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
- G06V30/373—Matching; Classification using a special pattern or subpattern alphabet
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Character Discrimination (AREA)
- Position Input By Displaying (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
【選択図】図1
Description
-デジタルインクの複数のストロークに対して手書き認識を実行することによって、シンボルを識別することと、
-シンボルに対して予め定義されたシンボル認識ルールを個々に適用することによって、第1の分類として、少なくとも第1の閾値に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして識別されたシンボルから少なくとも1つの第1のシンボルを分類することと、
-先述の少なくとも1つの第1のシンボル及び先述の少なくとも1つの第1のシンボル以外の少なくとも1つの第2のシンボルに対して、先述の少なくとも1つの第1のシンボルと先述の少なくとも1つの第2のシンボルとの間の空間的関係を定義した予め定義された空間的構文ルールを適用することによって、第2の分類として、それぞれの信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして先述の少なくとも1つの第2のシンボルを分類することと、
-識別されたシンボルからの少なくとも2つのシンボルの間のセマンティック接続を確立し、先述のセマンティック接続を先述の第2の分類の結果と比較することによって、第3の分類として、先述の第2の分類の結果を更新または確認することと、
先述の第3の分類の結果に少なくとも基づいて、テキストシンボルまたは数学シンボルのいずれかとして、各々のシンボルを認識することと、
を含む方法を提供する。
-先述のシンボルを形成する1つ以上のストロークの固有の特質を特徴付けるシンボル情報と、
-複数のストロークの少なくとも1つのそれぞれの順序付けに従った、先述のシンボルを形成する1つ以上のストロークと空間的に関連する、少なくとも1つの隣接ストロークを特徴付けるコンテキスト情報と、を含み、
先述のインク関連情報は、数学シンボル候補またはテキストシンボル候補のいずれかとして各々のシンボルを分類するために、少なくとも先述の第2の分類及び第3の分類において使用される。
コンテキスト情報は、シンボルごとに、複数のストロークの時間的順序に少なくとも従って、先述のシンボルを形成する1つ以上のストロークと空間的に関連する、少なくとも1つの隣接ストロークを特徴付ける。
-識別されたシンボルごとに、シンボル認識ルールによって先述のシンボルに帰属した埋め込み情報を決定することであって、先述の埋め込み情報は、先述の予め定義されたシンボルがテキストまたは数学のいずれかであるそれぞれの信頼スコアを含む、決定することと、
-少なくとも先述の第1の閾値に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして少なくとも1つの第1のシンボルを識別するように、埋め込み情報において定義されるような各々の識別されたシンボルのそれぞれの信頼スコアを第1の閾値と比較することと、
を含む。
-少なくとも2つの数学シンボルの間の空間的関係を定義した数学空間的構文ルールと、
-少なくとも2つのテキストシンボルの間の空間的関係を定義したテキスト空間的構文ルールと、
を含む。
-分子成分及び分母成分を分離する分数罫を含む分数と、
-1つ以上の基本シンボルの左上及び左下にそれぞれ位置付けられた1つ以上のシンボルと関連付けられた上付き文字及び下付き文字と、
-1つ以上の基本シンボルの上及び下にそれぞれ位置付けられた1つ以上のシンボルと関連付けられたオーバスクリプト及びアンダスクリプトと、
-表形式に配列されたシンボルの複数の行及び列と関連付けられた行列と、
を定義した少なくとも数学空間的構文ルールを含む。
-それぞれの数学シンボル候補として、第1の分類において数学シンボル候補として識別された少なくとも1つの(または、0から複数の)第1のシンボルとの予め定義された空間的関係を有する少なくとも1つの他のシンボルを識別するために、先述の数学空間的構文ルールを適用することと、
-それぞれの数学シンボル候補として、第1の分類において数学シンボル候補として識別された少なくとも1つの第1のシンボルとの予め定義された空間的関係を有する少なくとも1つの他のシンボルを識別するために、先述のテキスト空間的構文ルールを適用することと、
のうちの少なくとも1つを含む。
方法は、先述の結果を確認または更新するかのいずれかのために第3の分類の結果に対して第2の分類を繰り返すことを更に含む。
-デジタルインクの複数のストロークに対して手書き認識を実行することによって、シンボルを識別する第1の認識モジュールと、
-シンボルに対して予め定義されたシンボル認識ルールを個々に適用することによって、第1の分類として、少なくとも第1の閾値に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして識別されたシンボルから少なくとも1つの第1のシンボルを分類するシンボル処理モジュールと、
-先述の少なくとも1つの第1のシンボル及び先述の少なくとも1つの第1のシンボル以外の少なくとも1つの第2のシンボルに対して、先述の少なくとも1つの第1のシンボルと先述の少なくとも1つの第2のシンボルとの間の空間的関係を定義した予め定義された空間的構文ルールを適用することによって、第2の分類として、それぞれの信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして先述の少なくとも1つの第2のシンボルを分類する構文処理モジュールと、
-識別されたシンボルからの少なくとも2つのシンボルの間のセマンティック接続を確立し、先述のセマンティック接続を先述の第2の分類の結果と比較することによって、第3の分類として、先述の第2の分類の結果を更新または確認するセマンティック処理モジュールと、を含み、
先述のコンピューティングデバイスは、先述の第3の分類の結果に少なくとも基づいて、テキストシンボルまたは数学シンボルのいずれかとして、各々のシンボルを認識するように構成される、
コンピューティングデバイスを提供する。
「let p b the point (1/2, 1/2) ∈ R2, and let L(c)」
-数字(例えば、「0」~「9」)、
-アルファベット文字(例えば、「a」~「z」及び「A」~「Z」)、キリル文字、漢字などのいずれかの言語またはスクリプトからの文字、
-数学演算子(例えば、n変数数学演算子)及び数学シンボル(例えば、「+」、「=」、「-」、「*」、「(」、「)」、「[」、「]」、「{」、「}」)、
-例えば、ギリシャ文字及びヘブライ文字などの文字に基づいたシンボル、
-バー及び矢印などの文字修飾子、
-以下のものなどの上記シンボルの少なくとも2つのいずれかの組み合わせ
・sin、cos、tan、limなどの標準的数学関数を定義したアルファベット文字の組み合わせ、
・可変名、単位などのような所与のコンテキストにおけるいくつかの数学的特性を保持した組み合わせ、及び
・行列、分数、上付き文字/下付き文字、多線式などのような空間的配列に加わるシンボル。
-先述のシンボルSBを形成する1つ以上のストロークSKの固有の特質を特徴付けるシンボル情報IF1aと、
-複数のストロークSKの少なくとも1つのそれぞれの順序付けに従って、先述のシンボルSBを形成する1つ以上のストロークSKと空間的に関連する、少なくとも1つの他の(または、隣接)ストロークSKを特徴付けるコンテキスト情報IF1bと、
を含んでもよい。
-関心のシンボルと少なくとも1つの隣接するシンボルとの間の共有されたストロークを表す共有ストローク情報と、
-少なくとも1つの隣接するシンボルに対する関心のシンボルの相対的変位(例えば、基線20の方向Xに沿った、及び/またはXに垂直な方向Yに沿った)を表す変位情報と、
-少なくとも1つの隣接するシンボルに対する関心のシンボルの重なり(例えば、基線20の方向Xに沿った、及び/またはXに垂直な方向Yに沿った)を表す重なり情報と、
-関心のシンボル及び少なくとも1つの隣接するシンボルのそれぞれの質量中心の間の距離を表す距離情報と、
のうちのいずれかの1つ(または、全て)を含んでもよい。
少なくとも2つの数学シンボルの間の空間的関係を定義した数学空間的構文ルールRL2aと、
少なくとも2つのテキストシンボルの間の空間的関係を定義したテキスト空間的構文ルールRL2bと、
のうちの少なくとも1つを含んでもよい。
-分子成分及び分母成分を分離する分数罫を含む分数と、
-1つ以上の基本シンボルの左上及び左下にそれぞれ位置付けられた1つ以上のシンボルと関連付けられた上付き文字及び下付き文字と、
-1つ以上の基本シンボルの上及び下にそれぞれ位置付けられた1つ以上のシンボルと関連付けられたオーバスクリプト及びアンダスクリプトと、
-表形式に配列されたシンボルの複数の行及び列と関連付けられた行列(行列は、各々のケースに応じて、シンボルをグループ化する中括弧を有してもよく、または中括弧を有さなくてもよい)と、
のような空間的関係を定義する。
-それぞれの数学シンボル候補として、第1の分類S12において数学シンボル候補として識別された少なくとも1つの第1のシンボルSB1との予め定義された空間的関係を有する少なくとも1つの他の第2のシンボルSB2を識別するために、数学空間的構文ルールRL2aを適用することと、
-それぞれの数学シンボル候補として、第1の分類において数学シンボル候補として識別された少なくとも1つの第1のシンボルSB1との予め定義された空間的関係を有する少なくとも1つの他の第2のシンボルSB2を識別するために、テキスト空間的構文ルールRL2bを適用することと、
のうちの少なくとも1つを含む。
-重なりストロークSKが単一のブロック30にグループ化されること、
-ストロークSKが水平に間隔を空けられた数学またはテキストブロック30にグループ化されること、
-閾値がブロックごとの最小及び/または最大ストロークSKに対して設定されること、など、
のうちのいずれか1つの(または、全て)を含んでもよい。
Claims (15)
- 手書き(IN)における数学及びテキストを処理するコンピューティングデバイス(100)によって実施される方法であって、
-デジタルインクの複数のストローク(SK)に対して手書き認識を実行することによって、シンボル(SB)を識別すること(S4)と、
-前記シンボルに対して予め定義されたシンボル認識ルール(RL1)を個々に適用することによって、第1の分類(S12)として、少なくとも第1の閾値(TH1)に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして前記識別されたシンボルから少なくとも1つの第1のシンボル(SB1)を分類することと、
-前記少なくとも1つの第1のシンボル(SB1)及び前記少なくとも1つの第1のシンボル以外の少なくとも1つの第2のシンボル(SB2)に対して、前記少なくとも1つの第1のシンボルと前記少なくとも1つの第2のシンボルとの間の空間的関係を定義した予め定義された空間的構文ルール(RL2)を適用することによって、第2の分類(S16)として、それぞれの信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして前記少なくとも1つの第2のシンボル(SB2)を分類することと、
-前記識別されたシンボルからの少なくとも2つのシンボル(SB)の間のセマンティック接続を確立し、前記セマンティック接続を前記第2の分類の結果と比較することによって、第3の分類(S18)として、前記第2の分類の前記結果を更新または確認することと、
-前記第3の分類の結果に少なくとも基づいて、テキストシンボルまたは数学シンボルのいずれかとして、各々のシンボルを認識すること(S20)と、
を備える、前記方法。 - 前記シンボルを識別することの前に、前記シンボルを形成するデジタルインクの前記複数のストロークを取得することを備え、
前記識別されたシンボルは、少なくとも1つのテキストシンボル及び少なくとも1つの数学シンボルを含む、
請求項1に記載の方法。 - 前記シンボルを識別することの間、前記複数のストローク(SK)は、予め定義されたシンボル(PSB)のセットと比較され、前記複数のストロークによって形成された各々のシンボルは、予め定義されたシンボルのセット内のそれぞれの1つとして識別される、請求項1または2に記載の方法。
- 前記シンボルを形成する各々のストロークに基づいて、識別されたシンボル(SB)ごとに、インク関連情報(IF1)を計算することを備え、前記インク関連情報は、
-前記シンボルを形成する前記1つ以上のストロークの固有の特質を特徴付けるシンボル情報(IF1a)と、
-前記複数のストロークの少なくとも1つのそれぞれの順序付けに従った、前記シンボルを形成する前記1つ以上のストロークと空間的に関連する、少なくとも1つの隣接ストロークを特徴付けるコンテキスト情報(IF1b)と、を含み、
前記インク関連情報は、数学シンボル候補またはテキストシンボル候補のいずれかとして各々のシンボルを分類するために、少なくとも前記第2の分類及び前記第3の分類において使用される、
請求項1~3のいずれか1項に記載の方法。 - 前記第1の分類は、
-識別されたシンボルごとに、前記シンボル認識ルールによって前記シンボルに帰属した埋め込み情報(IF2)を決定することであって、前記埋め込み情報は、前記予め定義されたシンボルがテキストまたは数学のいずれかであるそれぞれの信頼スコアを含む、前記決定することと、
-少なくとも前記第1の閾値に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして少なくとも1つの第1のシンボルを識別するように、前記埋め込み情報において定義されるような各々の識別されたシンボルの前記それぞれの信頼スコアを前記第1の閾値と比較することと、
を含む、請求項1~4のいずれか1項に記載の方法。 - 前記第2の分類の間、前記空間的構文ルール(RL2)は、数学シンボル候補またはテキストシンボル候補のいずれかとして、1つ以上の第1のシンボルとの予め定義された空間的関係を有する少なくとも1つの他のシンボル(SB2)を識別するために、前記少なくとも1つの第1のシンボル(SB1)に対して適用される、請求項1~5のいずれか1項に記載の方法。
- 前記第2の分類の間、前記少なくとも1つの第1のシンボル以外の各々のシンボルは、テキストシンボル候補または数学シンボル候補のいずれかとして分類される、請求項1~6のいずれか1項に記載の方法。
- 前記空間的構文ルール(RL2)は、
-少なくとも2つの数学シンボルの間の空間的関係を定義した数学空間的構文ルールと、
-少なくとも2つのテキストシンボルの間の空間的関係を定義したテキスト空間的構文ルールと、
を含む、請求項1~7のいずれか1項に記載の方法。 - 前記第2の分類の前記結果がセマンティック接続に基づいて前記第3の分類の間に更新される場合、前記第3の分類において生み出される前記結果は、それぞれの更新された信頼スコアに沿った前記第2の分類に対するテキスト候補及びシンボル候補としての前記シンボルの修正された分類を含み、
前記方法は、前記結果を確認または更新するかのいずれかのために前記第3の分類の前記結果に対して前記第2の分類を繰り返すことを更に備えた、
請求項1~8のいずれか1項に記載の方法。 - 前記第2の分類及び前記第3の分類が同一の結果に収束するまで、前記第2の分類及び前記第3の分類(S16、S18)を含む反復的分類処理(S14)が繰り返される、請求項9に記載の方法。
- 前記第2の分類及び前記第3の分類が同一の結果に収束する前に前記分類処理(S14)の反復の予め定義された回数Nに到達する場合、前記第3の分類(S18)において取得された前記第2の分類の最近の更新された結果は、テキストシンボルまたは数学シンボルのいずれかとして各々のシンボル(SB)を認識するために使用され、Nは、少なくとも2の整数である、請求項9または10に記載の方法。
- 前記テキストシンボルまたは数学シンボルのいずれかとして各々のシンボル(SB)を認識すること(S20)は、前記第3の分類(S18)の前記結果に少なくとも基づいて、各々のストロークに、関連する信頼スコアに沿って数学またはテキストのいずれかとしての分類を割り当てることを含む、請求項1~11のいずれか1項に記載の方法。
- 前記認識することの結果に基づいて、前記複数のストロークを1つ以上のストロークのブロックにグループ化すること(S26)を備え、各々のブロックは、テキストブロックまたは数学ブロックのいずれかであり、テキストブロックに包含された各々のストロークは、テキストシンボルの一部であり、数学ブロックに包含された各々のストロークは、数学シンボルの一部である、請求項1~12のいずれか1項に記載の方法。
- 数学言語モデルを各々の数学ブロックに適用することによって、及びテキスト言語モデルを各々のテキストブロックに適用することによって、前記ストロークにおける数学コンテンツ及びテキストコンテンツを認識することを備えた、請求項13に記載の方法。
- 手書き(IN)における数学及びテキストを処理するコンピューティングデバイス(100)であって、
-デジタルインクの複数のストローク(SK)に対して手書き認識を実行することによって、シンボル(SB)を識別する第1の認識モジュール(MD2)と、
-前記シンボルに対して予め定義されたシンボル認識ルールを個々に適用することによって、第1の分類として、少なくとも第1の閾値に到達する信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして前記識別されたシンボルから少なくとも1つの第1のシンボル(SB1)を分類するシンボル処理モジュール(MD4)と、
-前記少なくとも1つの第1のシンボル(SB1)及び前記少なくとも1つの第1のシンボル以外の少なくとも1つの第2のシンボル(SB2)に対して、前記少なくとも1つの第1のシンボルと前記少なくとも1つの第2のシンボルとの間の空間的関係を定義した予め定義された空間的構文ルール(RL2)を適用することによって、第2の分類として、それぞれの信頼スコアを有するテキストシンボル候補または数学シンボル候補のいずれかとして前記少なくとも1つの第2のシンボル(SB2)を分類する構文処理モジュール(MD6)と、
-前記識別されたシンボルからの少なくとも2つのシンボル(SB)の間のセマンティック接続を確立し、前記セマンティック接続を前記第2の分類の結果と比較することによって、第3の分類として、前記第2の分類の前記結果を更新または確認するセマンティック処理モジュール(MD8)と、
を備え、
前記コンピューティングデバイスは、少なくとも前記第3の分類の結果に基づいて、テキストシンボルまたは数学シンボルとして各シンボルを認識するように構成される、
前記コンピューティングデバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20305069.5 | 2020-01-28 | ||
EP20305069.5A EP3859602B1 (en) | 2020-01-28 | 2020-01-28 | Math detection in handwriting |
PCT/EP2021/051838 WO2021151929A1 (en) | 2020-01-28 | 2021-01-27 | Math detection in handwriting |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023510904A true JP2023510904A (ja) | 2023-03-15 |
JPWO2021151929A5 JPWO2021151929A5 (ja) | 2024-01-23 |
Family
ID=69528718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022543161A Pending JP2023510904A (ja) | 2020-01-28 | 2021-01-27 | 手書きにおける数学検出 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230084641A1 (ja) |
EP (2) | EP3859602B1 (ja) |
JP (1) | JP2023510904A (ja) |
KR (1) | KR20220132536A (ja) |
CN (1) | CN115039144A (ja) |
WO (1) | WO2021151929A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12021895B2 (en) | 2021-08-25 | 2024-06-25 | Bank Of America Corporation | Malware detection with multi-level, ensemble artificial intelligence using bidirectional long short-term memory recurrent neural networks and natural language processing |
US20230063489A1 (en) * | 2021-08-25 | 2023-03-02 | Bank Of America Corporation | Malware Detection with Multi-Level, Ensemble Artificial Intelligence Using Bidirectional Long Short-Term Memory Recurrent Neural Networks and Natural Language Processing |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7561737B2 (en) * | 2004-09-22 | 2009-07-14 | Microsoft Corporation | Mathematical expression recognition |
US7561739B2 (en) * | 2004-09-22 | 2009-07-14 | Microsoft Corporation | Analyzing scripts and determining characters in expression recognition |
CN107729865A (zh) * | 2017-10-31 | 2018-02-23 | 中国科学技术大学 | 一种手写体数学公式离线识别方法及系统 |
-
2020
- 2020-01-28 EP EP20305069.5A patent/EP3859602B1/en active Active
-
2021
- 2021-01-27 EP EP21701156.8A patent/EP4097630B1/en active Active
- 2021-01-27 US US17/795,503 patent/US20230084641A1/en active Pending
- 2021-01-27 CN CN202180011130.3A patent/CN115039144A/zh active Pending
- 2021-01-27 WO PCT/EP2021/051838 patent/WO2021151929A1/en unknown
- 2021-01-27 KR KR1020227025534A patent/KR20220132536A/ko not_active Application Discontinuation
- 2021-01-27 JP JP2022543161A patent/JP2023510904A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3859602B1 (en) | 2023-08-09 |
US20230084641A1 (en) | 2023-03-16 |
EP4097630B1 (en) | 2024-03-20 |
KR20220132536A (ko) | 2022-09-30 |
EP3859602A1 (en) | 2021-08-04 |
CN115039144A (zh) | 2022-09-09 |
EP4097630A1 (en) | 2022-12-07 |
WO2021151929A1 (en) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chherawala et al. | Feature set evaluation for offline handwriting recognition systems: application to the recurrent neural network model | |
KR102326395B1 (ko) | 다수의 객체 입력을 인식하기 위한 시스템 및 그 방법 및 제품 | |
US10963685B2 (en) | Generating variations of a known shred | |
US20170076152A1 (en) | Determining a text string based on visual features of a shred | |
US11789753B2 (en) | Machine-learned models for user interface prediction, generation, and interaction understanding | |
CN114365075A (zh) | 用于选择图形对象的方法和对应装置 | |
EP4097630B1 (en) | Math detection in handwriting | |
CN110414622B (zh) | 基于半监督学习的分类器训练方法及装置 | |
Inunganbi et al. | Handwritten Meitei Mayek recognition using three‐channel convolution neural network of gradients and gray | |
Costagliola et al. | Recognition and autocompletion of partially drawn symbols by using polar histograms as spatial relation descriptors | |
CN114417785A (zh) | 知识点标注方法、模型的训练方法、计算机设备及存储介质 | |
Chooi et al. | Handwritten character recognition using convolutional neural network | |
Kasem et al. | Advancements and Challenges in Arabic Optical Character Recognition: A Comprehensive Survey | |
Álvarez et al. | Fuzzy system for intelligent word recognition using a regular grammar | |
Bluche | Mathematical formula recognition using machine learning techniques | |
Bappi et al. | BNVGLENET: Hypercomplex Bangla handwriting character recognition with hierarchical class expansion using Convolutional Neural Networks | |
Nasien et al. | New feature vector from freeman chain code for handwritten roman character recognition | |
Jhanjhi et al. | Adaptive Auto-encoder for Extraction of Arabic Text: invariant, font, and segment | |
Kazangirler et al. | UIBee: An improved deep instance segmentation and classification of UI elements in wireframes | |
US20240161529A1 (en) | Extracting document hierarchy using a multimodal, layer-wise link prediction neural network | |
Tripathi et al. | Handwritten Mathematical Expression Recognition | |
Baral | HANDWRITTEN NEPALI CHARACTER RECOGNITION AND NARRATION SYSTEM USING DEEP CNN | |
Darvishzadeh | Auto-Assessment of Student Learning | |
WO2006090404A1 (en) | System, method, and apparatus for accomodating variability in chunking the sub-word units of online handwriting | |
Bhatt et al. | Design and Development of a Framework For Stroke-Based Handwritten Gujarati Font Generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220906 Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220915 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240115 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240115 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240415 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240521 |