wxplol的博客

我们提出了一种具有线感知能力的半自回归变换器（LAST），它将多线数学表达式序列视为二维双端结构。该LAST利用线向双端解码策略并行解码多线数学表达式，并在每行内执行双端解码。具体地说，我们引入了一个线感知位置编码模块和一个行分区双端掩码，以赋予LAST线顺序感知和方向性。

目前的方法不能明确地学习不同符号之间的相互作用，当面对相似的符号时可能会识别错误。为了缓解这个问题，我们提出了一种简单而有效的方法来增强语义交互学习（SIL）。具体来说，我们首先构造了一个基于统计符号共现概率的语义图。然后设计了一个语义感知模块（SAM），它将视觉和分类特征投射到语义空间中。不同投影向量之间的余弦距离表示符号之间的相关性。联合优化HMER和SIL可以提高模型对符号关系的理解。此外，SAM可以很容易地插入到现有的基于注意力的HMER模型中。

PARSeq通过排列语言建模来学习具有共享权重的内部自回归语言模型的集合。它统一了上下文无关的非自回归和上下文感知的自回归推理，并使用双向上下文的细化迭代。

最近主要研究质量评估这方面的论文了，这里主要记录一篇全参考质量评估的论文。论文下载：链接：https://pan.baidu.com/s/1SfnoWNIbz_x4piDSsq1lJw 提取码：49h6。废话不多说。 摘要 我们提出采用多种策略来确定人类视觉系统(HVS)的图像质量。因此，我们提出了一种质量评估方法(MAD)，该方法试图显式地模拟这两种不同的策略。局部亮度和对比度掩码用于估计高质量图像中基于检测的感知失真，而空间频率分量的局部统计量的变化则被使用 ...

本文是Tesseract在多语种方面OCR改进措施，刚好最近也在做相关工作，就顺便翻译了下。总的来说，看完之后对自己的相关工作也有一定的启发，感觉还不错，就在这分享一下。目前只翻译了下ocr的版面分析和字符预处理以及分类器的构造方面的内容，后续部分因为目前还未用得到，所以后处理部分还未翻译。以后用到的话在添加相关内容吧。有需要的同学可以自己下载并阅读，废话不多说，放链接。论文的下载链接：https://storage.googleapis.com/pub-tools-public-publicatio

最新的YoloV4已经出来好久了，今天主要读一下看看相比于YoloV3有什么改进和创新的地方，主要是来学习学习。废话不多说，开始。 Abstract 摘要 There are a huge number of features which are said to improve Convolutional Neural Network (CNN) accuracy. Practical testing of combinations of such feature