大家好，我是微學(xué)AI，今天給大家?guī)硪粋€關(guān)于數(shù)學(xué)公式識別的實戰(zhàn)案例，解決大家在寫論文中遇到很多l(xiāng)atex輸入的問題，而且可以無限次識別哦，因為是代碼實現(xiàn)，不用調(diào)用外部API.

以前我們知道一個latex識別網(wǎng)頁，latex識別網(wǎng)頁神器：https://snip.mathpix.com/，但是這個識別是有次數(shù)限制的，我們?nèi)绻枰罅康淖R別的話，這個是不適用的。這個功能識別效果準(zhǔn)確率達(dá)98%，每個月可識別50次，識別pdf文件20頁每月。識別效果：

今天我來大家實現(xiàn)一個用代碼實現(xiàn)數(shù)學(xué)公式識別的Latexocr模型，實現(xiàn)數(shù)學(xué)公式識別，可支持一部分的數(shù)學(xué)手寫功能。他是基于本地程序是完全免費的，可以無限次調(diào)用。

接下來我將會用兩種方法進(jìn)行l(wèi)atex識別，第二種方法支持中文和公式一起識別。

方法一：

官方地址：https://github.com/lukas-blecher/LaTeX-OCR/

文件結(jié)構(gòu)：

運行程序之前，我們要下載訓(xùn)練好的權(quán)重參數(shù)文件weights.pth，可以私信發(fā)給大家，或者

download weights v0.0.1 to path '本地地址信息'， 下載好的權(quán)重文件放在checkpoints 文件夾下面。

安裝庫腳本：pip3 install pix2tex[gui] -i?https://pypi.tuna.tsinghua.edu.cn/simple?some-package

安裝好后，我們可以直接運行 gui.py，我們就可以直接通過截圖識別啦。識別效果如下：

可以將latexOCR功能單獨拿出，做批量識別。python?pix2tex.py?-f 123.png , 可加入你要識別的圖片名稱，可返回Latex結(jié)果。

方法二：

安裝pix2text: pip install?pix2text

啟動以下代碼；會自動下載權(quán)重參數(shù)。

from pix2text import Pix2Text

img_fp = 'gongshi6.png'
p2t = Pix2Text(analyzer_config=dict(model_name='mfd'))
outs = p2t(img_fp, resized_shape=600)  # 也可以使用 `p2t.recognize(img_fp)` 獲得相同的結(jié)果

# 如果只需要識別出的文字和Latex表示，可以使用下面行的代碼合并所有結(jié)果
only_text = '\n'.join([out['text'] for out in outs])

print(only_text)

圖片樣例：gongshi6.png

?識別結(jié)果：

$$
a\sin x+b\cos x={\sqrt{a^{2}+b^{2}}}\sin\left(x+a r c\tan{\frac{a}}\right)
$$

該模型可以識別中文與公式結(jié)合的圖片，后期會更加優(yōu)化的。

有什么問題可以私信哦，后期有更多適用性的實戰(zhàn)，敬請關(guān)注！

?往期作品：

深度學(xué)習(xí)實戰(zhàn)項目

1.深度學(xué)習(xí)實戰(zhàn)1-(keras框架)企業(yè)數(shù)據(jù)分析與預(yù)測

2.深度學(xué)習(xí)實戰(zhàn)2-(keras框架)企業(yè)信用評級與預(yù)測

3.深度學(xué)習(xí)實戰(zhàn)3-文本卷積神經(jīng)網(wǎng)絡(luò)（TextCNN）新聞文本分類

4.深度學(xué)習(xí)實戰(zhàn)4-卷積神經(jīng)網(wǎng)絡(luò)（DenseNet）數(shù)學(xué)圖形識別+題目模式識別

5.深度學(xué)習(xí)實戰(zhàn)5-卷積神經(jīng)網(wǎng)絡(luò)（CNN）中文OCR識別項目

6.深度學(xué)習(xí)實戰(zhàn)6-卷積神經(jīng)網(wǎng)絡(luò)(Pytorch)+聚類分析實現(xiàn)空氣質(zhì)量與天氣預(yù)測

7.深度學(xué)習(xí)實戰(zhàn)7-電商產(chǎn)品評論的情感分析

8.深度學(xué)習(xí)實戰(zhàn)8-生活照片轉(zhuǎn)化漫畫照片應(yīng)用

9.深度學(xué)習(xí)實戰(zhàn)9-文本生成圖像-本地電腦實現(xiàn)text2img

10.深度學(xué)習(xí)實戰(zhàn)10-數(shù)學(xué)公式識別-將圖片轉(zhuǎn)換為Latex(img2Latex)

11.深度學(xué)習(xí)實戰(zhàn)11(進(jìn)階版)-BERT模型的微調(diào)應(yīng)用-文本分類案例

12.深度學(xué)習(xí)實戰(zhàn)12(進(jìn)階版)-利用Dewarp實現(xiàn)文本扭曲矯正

13.深度學(xué)習(xí)實戰(zhàn)13(進(jìn)階版)-文本糾錯功能，經(jīng)常寫錯別字的小伙伴的福星

14.深度學(xué)習(xí)實戰(zhàn)14(進(jìn)階版)-手寫文字OCR識別，手寫筆記也可以識別了

15.深度學(xué)習(xí)實戰(zhàn)15(進(jìn)階版)-讓機(jī)器進(jìn)行閱讀理解+你可以變成出題者提問

16.深度學(xué)習(xí)實戰(zhàn)16(進(jìn)階版)-虛擬截圖識別文字-可以做紙質(zhì)合同和表格識別

17.深度學(xué)習(xí)實戰(zhàn)17(進(jìn)階版)-智能輔助編輯平臺系統(tǒng)的搭建與開發(fā)案例

18.深度學(xué)習(xí)實戰(zhàn)18(進(jìn)階版)-NLP的15項任務(wù)大融合系統(tǒng)，可實現(xiàn)市面上你能想到的NLP任務(wù)

19.深度學(xué)習(xí)實戰(zhàn)19(進(jìn)階版)-ChatGPT的本地實現(xiàn)部署測試，自己的平臺就可以實現(xiàn)ChatGPT

...(待更新)文章來源地址http://www.zghlxwxcb.cn/news/detail-434901.html

到了這里，關(guān)于深度學(xué)習(xí)實戰(zhàn)10-數(shù)學(xué)公式識別-將圖片轉(zhuǎn)換為Latex(img2Latex)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！