4 Kết quả
4.3 So sánh với các cơng trình tham khảo
Ở Mục 4.2 vừa trình bày, ta đã thực hiện so sánh việc thay đổi cấu hình của phương pháp đề xuất, tạo thành nhiều phiên bản khác nhau, nhằm cải tiến WAP[13] và MultiScale WAP[14].Trong Mục 4.3 này ta sẽ đặt các phương pháp được đề xuất trong ngữ cảnh so sánh với các cơng trình tham khảo đã được tái lập lại. Việc so sánh sẽ được thực hiện dựa trên đánh giá điểm ExpRate trên tập valid CROHME 2019 và 2 tập dữ liệu test CROHME 2014 và CROHME 2016.
Mơ hình CROHME 2019 CROHME 2014 CROHME 2016
WAP 53.93 20.83 20.58
WAP+IF 3b 61.63 34.35 37.14
Bảng 10: So sánh phương pháp đề xuất cải tiến và cơng trình gốc WAP[14].
Bảng [10] so sánh phương pháp đề xuất cải tiến kiến trúc WAP[13] với cơng trình gốc. So với cơng trình gốc, mơ hình của phương pháp được đề xuất đã cho thấy kết quả đánh giá tốt hơn ở cả 3 tập dữ liệu đánh giá CROHME 2019, 2014, 2016 lần lượt là 7.7, 13.52
và 16.56 trong đó đáng chú ý ở cả 2 tập test thì mức tăng đáng kể lên đến hơn 10 điểm ExpRate.
Từ đó ta thấy được với việc giới thiệu và ứng dụng đặc trưng đa phân giải giúp cải thiện hiệu quả mơ hình một cách rõ rệt và đáng kể.
Mơ hình 2019 2014 2016
MultiScale WAP 65.73 41.36 41.76
MultiScale WAP + IF 4d+3b 62.83 38.41 39.49
Bảng 11:So sánh phương pháp đề xuất cải tiến và cơng trình gốc MultiScale WAP[14]. Kết quả so sánh giữa cơng trình MultiScale WAP[14] và phiên bản ứng dụng đặc trưng đa phân giải được thể hiện ở Bảng [11]. Phương pháp đề xuất không đạt được sự cải tiến như quan sát được khi ứng dụng vào cơng trình WAP[13] như đã trình bày ở đoạn trước, với kết quả của phương pháp đề xuất thấp hơn cơng trình MultiScale WAP ở cả 3 tập dữ liệu CROHME 2019, CROHME 2014 và CROHME 2016 lần lượt là 2.9,2.95và 2.27. Qua
đó ta có thể thấy cách tiếp cận việc sử dụng 2 lớp cơ chế tập trung18 giải quyết bài tốn kí tự nhỏ một cách hiệu quả và tạo tiền đề để có thể tận dụng khả năng rút trích đặc trưng mạnh mẽ của kiến trúc mạng DenseNet[7] để hỗ trợ giải quyết bài toán nhận dạng biểu thức tốn học viết tay tốt hơn. Có thể thấy được, tuy cùng là phương pháp nhắm đến giải quyết vấn đề kích thước kí tự trong biểu thức đa dạng và ở nhiều độ phân giải khác nhau nhưng khi kết hợp với nhau thì ta khơng thu được kết quả vượt trội như mong đợi.
Như vậy, tuy thể hiện được sự cải thiện vượt bậc khi ứng dụng vào cơng trình WAP[13] nhưng khi so sánh với cơng trình tham khảo tốt nhất19, dù cho ứng dụng đặc trưng đa
18
Thuật ngữ tiếng Anh: Attention Layer
phân giải vào MultiScale WAP[14], phương pháp đề xuất vẫn chưa thể tạo được sự đột phá về mức độ hiệu quả.
Chương 5 Tổng kết 1 Kết luận
Trong luận văn này, tôi đã hiện thực và tái lập một số cơng trình tham khảo như WAP[13] và MultiScale WAP[14]. Qua đó thực hiện được các nghiên cứu chuyên sâu hơn về các cơng trình này. Bên cạnh đó, tơi đã đề xuất một chương trình khung dùng để thí nghiệm và đánh giá các cơng trình một cách cơng bằng và khách quan bên cạnh một đề xuất khác về phương pháp kết hợp đặc trưng đa phân giải vào các kiến trúc nền tảng kể trên.