This paper presents an augmented incremental recognition method for online handwritten mathematical expressions (MEs). If an ME is recognized after all strokes are written (batch recognition), the waiting time increases significantly when the ME becomes longer. On the other hand, the pure incremental recognition method recognizes an ME whenever a new single stroke is input. It shortens the waiting time but degrades the recognition rate due to the limited context. Thus, we propose an augmented incremental recognition method that not only maintains the advantage of the two methods but also reduces their weaknesses. The proposed method has two main features: one is to process the latest stroke, and the other is to find the erroneous segmentations and recognitions in the recent strokes and correct them. In the first process, the segmentation and the recognition by Cocke–Younger–Kasami (CYK) algorithm are only executed for the latest stroke. In the second process, all the previous segmentations are updated if they are significantly changed after the latest stroke is input, and then, all the symbols related to the updated segmentations are updated with their recognition scores. These changes are reflected in the CYK table. In addition, the waiting time is further reduced by employing multi-thread processes. Experiments on our dataset and the CROHME datasets show the effectiveness of this augmented incremental recognition method, which not only maintains recognition rate even compared with the batch recognition method but also reduces the waiting time to a very small level.

中文翻译：

---

在线手写数学表达式的增量增量识别

本文提出了一种用于在线手写数学表达式（ME）的增强增量识别方法。如果在写入所有笔划后识别了ME（批处理识别），则当ME变长时，等待时间将显着增加。另一方面，每当输入新的单个笔划时，纯增量识别方法就识别ME。由于上下文的限制，它缩短了等待时间，但降低了识别率。因此，我们提出了一种增强的增量识别方法，该方法不仅保持了这两种方法的优点，而且减少了它们的缺点。所提出的方法具有两个主要特征：一个是处理最新笔画，另一个是找到最近笔画中的错误分割和识别并对其进行校正。在第一步中 Cocke-Younger-Kasami（CYK）算法仅对最新笔划进行分割和识别。在第二过程中，如果所有先前的分段在输入最新笔划后发生了显着变化，则更新它们，然后，与更新的分段相关的所有符号都将用其识别分数进行更新。这些更改反映在CYK表中。另外，通过采用多线程进程，可以进一步减少等待时间。在我们的数据集和CROHME数据集上进行的实验表明，这种增强的增量识别方法的有效性，与批次识别方法相比，它不仅保持了识别率，而且将等待时间减少到非常小的水平。在第二过程中，如果所有先前的分段在输入最新笔划后发生了显着变化，则将其更新，然后，与更新的分段相关的所有符号将使用其识别分数进行更新。这些更改反映在CYK表中。另外，通过采用多线程进程，可以进一步减少等待时间。在我们的数据集和CROHME数据集上进行的实验表明，这种增强的增量识别方法的有效性，与批次识别方法相比，它不仅保持了识别率，而且将等待时间减少到非常小的水平。在第二过程中，如果所有先前的分段在输入最新笔划后发生了显着变化，则将其更新，然后，与更新的分段相关的所有符号将使用其识别分数进行更新。这些更改反映在CYK表中。另外，通过采用多线程进程，可以进一步减少等待时间。在我们的数据集和CROHME数据集上进行的实验表明，这种增强的增量识别方法的有效性，与批次识别方法相比，它不仅保持了识别率，而且将等待时间减少到非常小的水平。与更新后的细分相关的所有符号都会使用其识别分数进行更新。这些更改反映在CYK表中。另外，通过采用多线程进程，可以进一步减少等待时间。在我们的数据集和CROHME数据集上进行的实验表明，这种增强的增量识别方法的有效性，与批次识别方法相比，它不仅保持了识别率，而且将等待时间减少到非常小的水平。与更新后的细分相关的所有符号都会使用其识别分数进行更新。这些更改反映在CYK表中。另外，通过采用多线程进程，可以进一步减少等待时间。在我们的数据集和CROHME数据集上进行的实验表明，这种增强的增量识别方法的有效性，与批次识别方法相比，它不仅保持了识别率，而且将等待时间减少到非常小的水平。