深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)

大家好，我是微学AI，今天给大家带来一个关于数学公式识别的实战案例，解决大家在写论文中遇到很多latex输入的问题，而且可以无限次识别哦，因为是代码实现，不用调用外部API.

以前我们知道一个latex识别网页，latex识别网页神器：https://snip.mathpix.com/，但是这个识别是有次数限制的，我们如果需要大量的识别的话，这个是不适用的。这个功能识别效果准确率达98%，每个月可识别50次，识别pdf文件20页每月。识别效果：

今天我来大家实现一个用代码实现数学公式识别的Latexocr模型，实现数学公式识别，可支持一部分的数学手写功能。他是基于本地程序是完全免费的，可以无限次调用。

接下来我将会用两种方法进行latex识别，第二种方法支持中文和公式一起识别。

方法一：

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

文件结构：

运行程序之前，我们要下载训练好的权重参数文件weights.pth，可以私信发给大家，或者

download weights v0.0.1 to path '本地地址信息'， 下载好的权重文件放在checkpoints 文件夹下面。

安装库脚本：pip3 install pix2tex[gui] -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

安装好后，我们可以直接运行 gui.py，我们就可以直接通过截图识别啦。识别效果如下：

可以将latexOCR功能单独拿出，做批量识别。python pix2tex.py -f 123.png , 可加入你要识别的图片名称，可返回Latex结果。

方法二：

安装pix2text: pip install pix2text

启动以下代码；会自动下载权重参数。

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)` 获得相同的结果

# 如果只需要识别出的文字和Latex表示，可以使用下面行的代码合并所有结果
only_text = '\n'.join([out['text'] for out in outs])

print(only_text)

图片样例：gongshi6.png

识别结果：

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

该模型可以识别中文与公式结合的图片，后期会更加优化的。

有什么问题可以私信哦，后期有更多适用性的实战，敬请关注！

往期作品：

深度学习实战项目

1.深度学习实战1-(keras框架)企业数据分析与预测

2.深度学习实战2-(keras框架)企业信用评级与预测

3.深度学习实战3-文本卷积神经网络（TextCNN）新闻文本分类

4.深度学习实战4-卷积神经网络（DenseNet）数学图形识别+题目模式识别

5.深度学习实战5-卷积神经网络（CNN）中文OCR识别项目

6.深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测

7.深度学习实战7-电商产品评论的情感分析

8.深度学习实战8-生活照片转化漫画照片应用

9.深度学习实战9-文本生成图像-本地电脑实现text2img

10.深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)

11.深度学习实战11(进阶版)-BERT模型的微调应用-文本分类案例

12.深度学习实战12(进阶版)-利用Dewarp实现文本扭曲矫正

13.深度学习实战13(进阶版)-文本纠错功能，经常写错别字的小伙伴的福星

14.深度学习实战14(进阶版)-手写文字OCR识别，手写笔记也可以识别了

15.深度学习实战15(进阶版)-让机器进行阅读理解+你可以变成出题者提问

16.深度学习实战16(进阶版)-虚拟截图识别文字-可以做纸质合同和表格识别

17.深度学习实战17(进阶版)-智能辅助编辑平台系统的搭建与开发案例

18.深度学习实战18(进阶版)-NLP的15项任务大融合系统，可实现市面上你能想到的NLP任务

19.深度学习实战19(进阶版)-ChatGPT的本地实现部署测试，自己的平台就可以实现ChatGPT

...(待更新)