引言

隨著LaTeX-OCR模型轉換問題的解決，公式識別任務中各個鏈條已經全部打通。小伙伴們可以放開膀子干了。

解決業界問題的方案，并不是單獨訓練一個模型就完事了，而是有著上下游的依賴。這就像工廠中流水線作業一樣，一個小東西的生產是依賴無數個中間階段才完成的。

一個模型應用到產品中，也是有著類似的流水線的。相比于工廠中流水線，這里的鏈條只是更加隱蔽一些而已。

公式識別任務是什么？

公式識別任務：指的是將圖像中公式識別為對應的LaTeX寫法，便于后續加工處理。

公式識別任務距離我們最近的應用場景便是論文寫作。在我上大學寫畢業論文時，由于當時并不知道LaTeX這種東西可以用來寫公式，整個畢業論文公式都是在Word上用鼠標點出來的，好不痛苦。

比較推薦大家學一學LaTeX排版，絕對是提效利器，用過的人都說好。

動圖來自LaTeX-OCR

公式識別任務解決方案初探

解決公式識別任務，我這里姑且粗略地分為四個部分：公式識別數據集處理、訓練識別模型、轉換識別模型和部署使用。

取之開源，回饋開源，一直是我們的準則。以上四部分具體地址如下，除訓練識別模型為lukas-blecher外，其余均經由我整理。歡迎大家多多使用和提建議。

預處理公式庫ProcessLaTeXFormulaTools: https://github.com/SWHL/ProcessLaTeXFormulaTools

訓練識別模型庫LaTeX-OCR: https://github.com/lukas-blecher/LaTeX-OCR

轉換模型為ONNX格式庫ConvertLaTeXOCRToONNX: https://github.com/SWHL/ConvertLaTeXOCRToONNX

部署使用庫RapidLaTeXOCR: https://github.com/RapidAI/RapidLaTeXOCR

使用建議

先嘗試RapidLaTeXOCR中識別模型識別效果，是否滿足場景需求。

如果不滿足，再考慮結合自身場景，將上述四部分走一遍，定制化自己的公式識別模型。

寫在最后

本篇文章只是簡單介紹，具體請移步文中各個部分的倉庫下查看。

如有具體微調，部署等需求，歡迎后臺詳細咨詢。