一种基于深度学习的离线手写数学公式识别方法

本发明涉及技术领域，具体为一种基于深度学习的离线手写数学公式识别方法，包括数据采集处理、公式检测与符号分割、符号特征提取识别、结构分析重构以及评估优化。该基于深度学习的离线手写数学公式识别方法，通过采用分解重组提升模型对部分遮挡的鲁棒性，以局部畸变模拟真实手写形变，利用全局畸变增强泛化能力，根据CLAHE均衡化改善低对比度图像，减少光照影响，确保公式数据增强多样化处理，通过YOLOv5定位公式区域，根据U‑Net精准分割处理粘连符号并采用Transformer提取全局特征，通过调用Tesseract OCR并自定义符号库，将OCR与规则引擎结合能够提升特殊符号识别率，通过语法树与PCFG解析，递归下降生成语法树选择最优结构，并精准解析二维布局。