一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的公式重復(fù)檢測(cè)方法

　　近年來，隨著教育智能化的發(fā)展，互聯(lián)網(wǎng)教育模式成為了教育教學(xué)的重要載體。各類在線教育系統(tǒng)擁有海量試題資源，為學(xué)習(xí)者提供了便捷的學(xué)習(xí)途徑。然而，試題來源繁多、收集方弌不統(tǒng)一等因素，使得互聯(lián)網(wǎng)中所積累的試題資源存在重復(fù)率高、質(zhì)量較低的現(xiàn)象。因此，準(zhǔn)確、高效地監(jiān)測(cè)試題，是精煉網(wǎng)絡(luò)資源、提髙網(wǎng)絡(luò)試題質(zhì)量的重要方式。在這樣的背景下，文中著重研究了針對(duì)理科試題資源中圖片公式的重復(fù)檢測(cè)問題，通過精準(zhǔn)的公式識(shí)別檢測(cè)，能夠排除試題語義的干擾，進(jìn)而加強(qiáng)試題資源監(jiān)測(cè)。傳統(tǒng)的公式重復(fù)檢測(cè)方法，往往因?yàn)榛谌斯ざx的各類規(guī)則，識(shí)別步驟繁瑣，準(zhǔn)確率和效率較低，難以應(yīng)用于大規(guī)模的公式數(shù)據(jù)檢測(cè)。據(jù)此，提岀一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的公弌重復(fù)檢測(cè)方法。首先，使用一種多通道卷積機(jī)制實(shí)現(xiàn)了公式圖片特征提取和處理的自動(dòng)化，使之適用于大規(guī)模的公式數(shù)據(jù)檢測(cè)。然后，使用端到端的輸岀模式，避免了傳統(tǒng)方法中間步驟過多可能導(dǎo)致誤差累計(jì)的弊端。最后，為了驗(yàn)證模型的準(zhǔn)確率以及實(shí)用性，在標(biāo)準(zhǔn)測(cè)試欻據(jù)集以及模擬掃描圖噪聲的數(shù)據(jù)集上進(jìn)行了充分的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明此方法能夠有效處理不同質(zhì)量的公式圖片，在檢測(cè)精度和效率上取得了良好的結(jié)果。