TDv2：一种用于离线数学表达式识别的新型树形结构解码器

TDv2：一种用于离线数学表达式识别的新型树形结构解码器

本文提出了一种针对手写数学表达式识别（HMER）任务的新型树形解码器（TDv2） ，旨在充分利用数学表达式的树结构标签进行更有效的建模和预测。相较于传统的LaTeX字符串解码器，该模型通过采用一个节点分类模块和一个分支预测模块来简化解码过程，并提高模型的泛化能力。特别地，在编码阶段采用了密集连接网络以增强特征提取能力。此外，文中还提出了两项创新改进措施：

• 一是添加“思考”标签以引导注意力机制更准确地定位子节点位置，
• 二是引入像素级辅助分类损失以优化特征学习。

通过一系列的实验验证，包括ablation研究、可视化分析以及与当前最先进的HMER方法的比较，证明了所提模型在CROHME 2014/2016/2019数据集上具有出色的性能和较强的泛化能力，尤其是在处理深度较大的数学表达式时展现出显著优势。这些成果不仅展示了基于树形结构的模型对于复杂结构序列识别任务的优势，也为未来的研究提供了新的思路和方向。

​
​关键要点：

1. 研究提出了一种新的树状解码器（TDv2），用于离线数学表达式识别。
2. 新模型不需要对节点的不同分支进行固定优先级训练和推断，可以有效提高模型