自动阅卷方法及装置制造方法及图纸

本申请公开了一种自动阅卷方法及装置，属于计算机设备技术领域。所述方法包括：获取目标试题图像，目标试题图像包括至少一个目标答题区域，目标答题区域内包括目标题目的答题内容的图像，目标题目是目标答题区域所对应的题目；在目标试题图像中定位目标答题区域，并获取目标题目的类型；根据目标题目的类型，对定位到的目标答题区域内的答题内容的图像进行识别；根据识别结果对答题内容进行正误判断，并输出判断结果。本申请提供的技术方案可以解决试题批改效率较低的问题。

Automatic marking method and device

This application discloses an automatic marking method and device, which belongs to the technical field of computer equipment. The method includes: acquiring the target question image, the target question image includes at least one target answer area, the target answer area includes the image of the answer content of the target question, and the target question is the corresponding question of the target answer area; locating the target answer area in the target question image, and acquiring the type of the target question; locating the target question according to the type of the target question. The image of the answering content in the target answering area is recognized, and the correctness and error of the answering content are judged according to the recognition results, and the judgment results are output. The technical scheme provided in this application can solve the problem of inefficient examination paper correction.

【技术实现步骤摘要】
自动阅卷方法及装置本申请要求于2018年9月19日的申请号为201811095814.2、专利技术名称为“答题区域的定位方法、装置及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及计算机设备
，特别涉及一种自动阅卷方法及装置。
技术介绍
在教学活动中，阅卷是一种较为常见的工作。所谓阅卷指的是对试题中的答题内容进行批改的工作，实际应用中，比较常见的“试题”可以包括作业和试卷等。相关技术中，计算机设备可以对试题进行扫描，以得到试题图像，而后，计算机设备可以将该试题图像传递给批改人员(例如教师)，以由批改人员对试题图像中的答题内容进行批改。然而，在由批改人员对答题内容进行批改的方式中，试题的批改效率较低。
技术实现思路
本申请实施例提供了一种自动阅卷方法及装置，可以解决试题批改效率较低的问题。所述技术方案如下：一方面，提供了一种自动阅卷方法，所述方法包括：获取目标试题图像，所述目标试题图像包括至少一个目标答题区域，所述目标答题区域内包括目标题目的答题内容的图像，所述目标题目是所述目标答题区域所对应的题目；在所述目标试题图像中定位所述目标答题区域，并获取所述目标题目的类型；根据所述目标题目的类型，对定位到的所述目标答题区域内的所述答题内容的图像进行识别；根据识别结果对所述答题内容进行正误判断，并输出判断结果。可选的，所述第一神经网络还包括截取模块，所述将所述第一特征图输入至所述位置信息输出子网络中，获取所述位置信息输出子网络输出的所述答题区域位置信息，包括：将所述第一特征图输入至所述截取模块中，获取所述截取模块利用滑窗算法从所述第一特征图中截取的多个特征区域；将所述多个特征区域输入至所述位置信息输出子网络中，通过所述位置信息输出子网络识别每个所述特征区域是否为所述目标答题区域经过特征提取后得到的区域；通过所述位置信息输出子网络根据识别结果获取目标特征区域，所述目标特征区域是所述目标答题区域经过特征提取后得到的区域；获取所述位置信息输出子网络输出的所述答题区域位置信息，所述答题区域位置信息是根据特征区域位置信息得到的，所述特征区域位置信息用于指示在所述第一特征图中所述目标特征区域的位置和尺寸。可选的，所述方法还包括：根据所述目标题目的类型对在所述目标试题图像中定位到的所述目标答题区域添加题目类型标签。可选的，所述第一神经网络还包括试题类型识别子网络，所述获取所述第一神经网络输出的答题区域类型信息，包括：将所述答题区域位置信息输入至所述试题类型识别子网络中，获取所述试题类型识别子网络根据所述答题区域位置信息所指示的所述目标答题区域的尺寸而输出的所述答题区域类型信息。可选的，所述答题区域位置信息用于指示在所述目标试题图像中所述目标答题区域的尺寸和中心点的坐标；所述确定定位到的所述目标答题区域的分布是否符合目标版式，包括：根据所述答题区域位置信息对定位到的所述目标答题区域的中心点在x轴和y轴上的坐标值分别进行聚类，得到m个x轴坐标类中心和n个y轴坐标类中心，m和n为正整数；确定候选中心点集合中是否存在目标候选中心点，所述目标候选中心点与定位到的所述目标答题区域的中心点的距离大于目标距离阈值，所述候选中心点集合包括m*n个候选中心点，所述候选中心点的x轴坐标值属于所述m个x轴坐标类中心，所述候选中心点的y轴坐标值属于所述n个y轴坐标类中心；当所述候选中心点集合中存在所述目标候选中心点时，确定定位到的所述目标答题区域的分布不符合所述目标版式；当所述候选中心点集合中不存在所述目标候选中心点时，确定定位到的所述目标答题区域的分布符合所述目标版式。可选的，所述候选答题区域的中心点为所述目标候选中心点，所述候选答题区域的尺寸为定位到的所述目标答题区域的尺寸的均值。可选的，所述第一神经网络包括图像特征提取子网、截取模块和位置信息输出子网络，所述将所述目标试题图像输入至第一神经网络中之前，所述方法还包括：获取多个训练试题图像和与所述多个训练试题图像一一对应的多个训练位置信息，每个所述训练位置信息用于指示在对应的所述训练试题图像中答题区域的位置和尺寸；对于每个所述训练试题图像，将所述训练试题图像输入至所述第一图像特征提取子网络中，获取所述第一图像特征提取子网络对所述训练试题图像进行特征提取后输出的训练特征图；对于每个所述训练试题图像，将所述第一图像特征提取子网络输出的所述训练特征图输入至所述截取模块中，获取所述截取模块利用滑窗算法从所述训练特征图中截取的多个训练特征区域；对于每个所述训练试题图像，根据所述训练试题图像对应的所述训练位置信息确定每个所述训练特征区域与所述训练试题图像中答题区域经过特征提取后得到的区域的重合比例；对于每个所述训练试题图像，将重合比例高于第一比例阈值的所述训练特征区域获取为正例，将重合比例低于第二比例阈值但高于第三比例阈值的所述训练特征区域获取为负例，所述正例和所述负例用于对所述位置信息输出子网络进行训练。可选的，所述第二图像特征提取子网络包括n个卷积神经网络层，n为大于1的正整数；所述将所述答题内容的图像输入至所述第二图像特征提取子网络中，获取所述第二图像特征提取子网络对所述答题内容的图像进行特征提取后输出的第二特征图，包括：将所述答题内容的图像输入至所述第二图像特征提取子网络的第一个卷积神经网络层中；通过所述第二图像特征提取子网络的第i个卷积神经网络层对第i个输入子特征图进行卷积操作，输出第i个输出子特征图，其中，当i＝1时，所述第i个输入子特征图为所述答题内容的图像，当1＜i≤n时，所述第i个输入子特征图为第i-1个输出子特征图；将所述第二图像特征提取子网络的第n个卷积神经网络层输出的第n个输出子特征图获取为所述第二特征图。可选的，所述卷积神经网络层包括依次连接的批处理子层、卷积子层、池化子层和线性修正子层，所述通过所述第二图像特征提取子网络的第i个卷积神经网络层对第i个输入子特征图进行卷积操作和激励操作，输出第i个输出子特征图，包括：将所述第i个输入子特征图输入至所述批处理子层，通过所述批处理子层对所述第i个输入子特征图的行方向上的数据取值和列方向上的数据取值进行归一化处理，得到第一目标输出子特征图；将所述第一目标输出子特征图输入至所述卷积子层，通过所述卷积子层对所述第一目标输出子特征图进行卷积计算，得到第二目标输出子特征图；将所述第二目标输出子特征图输入至所述池化子层，通过所述池化子层对所述第二目标输出子特征图进行池化处理，得到第三目标输出子特征图；将所述第三目标输出子特征图输入至所述线性修正子层，通过所述线性修正子层对所述第三目标输出子特征图进行激励操作，得到并输出所述第i个输出子特征图。可选的，在所述目标题目的类型为对应的答题内容的图像在第二方向上的长度大于在第一方向上的长度的类型时，目标卷积神经网络层中的池化子层所进行的池化处理在所述第二方向上的步长大于在所述第一方向上的步长；所述目标卷积神经网络层为所述n个卷积神经网络层中的一个，所述第一方向和所述第二方向均为行方向和列方向中的一个方向，且，所述第一方向和所述第二方向不同。可选的，所述编码器为双向长短时记忆循环神经网络，所述解码器为单向长短时循环神经网络。可选的，所述第二神经网络还包括输出模块，所述本文档来自技高网...

【技术保护点】
1.一种自动阅卷方法，其特征在于，所述方法包括：获取目标试题图像，所述目标试题图像包括至少一个目标答题区域，所述目标答题区域内包括目标题目的答题内容的图像，所述目标题目是所述目标答题区域所对应的题目；在所述目标试题图像中定位所述目标答题区域，并获取所述目标题目的类型；根据所述目标题目的类型，对定位到的所述目标答题区域内的所述答题内容的图像进行识别；根据识别结果对所述答题内容进行正误判断，并输出判断结果。

【技术特征摘要】
2018.09.19 CN 20181109581421.一种自动阅卷方法，其特征在于，所述方法包括：获取目标试题图像，所述目标试题图像包括至少一个目标答题区域，所述目标答题区域内包括目标题目的答题内容的图像，所述目标题目是所述目标答题区域所对应的题目；在所述目标试题图像中定位所述目标答题区域，并获取所述目标题目的类型；根据所述目标题目的类型，对定位到的所述目标答题区域内的所述答题内容的图像进行识别；根据识别结果对所述答题内容进行正误判断，并输出判断结果。2.根据权利要求1所述的方法，其特征在于，所述在所述目标试题图像中定位所述目标答题区域，包括：将所述目标试题图像输入至第一神经网络中，获取所述第一神经网络输出的答题区域位置信息，所述答题区域位置信息用于指示在所述目标试题图像中所述目标答题区域的位置和尺寸；根据所述答题区域位置信息在所述目标试题图像中定位所述目标答题区域。3.根据权利要求2所述的方法，其特征在于，所述第一神经网络包括第一图像特征提取子网络和位置信息输出子网络，所述将所述目标试题图像输入至第一神经网络中，获取所述第一神经网络输出的答题区域位置信息，包括：将所述目标试题图像输入至所述第一图像特征提取子网络中，获取所述第一图像特征提取子网络对所述目标试题图像进行特征提取后输出的第一特征图；将所述第一特征图输入至所述位置信息输出子网络中，获取所述位置信息输出子网络输出的所述答题区域位置信息。4.根据权利要求2所述的方法，其特征在于，所述获取所述目标题目的类型，包括：在将所述目标试题图像输入至所述第一神经网络中后，获取所述第一神经网络输出的答题区域类型信息，所述答题区域类型信息用于指示所述目标题目的类型。5.根据权利要求2所述的方法，其特征在于，所述根据所述答题区域位置信息在所述目标试题图像中定位所述目标答题区域之后，所述方法还包括：当根据所述答题区域位置信息在所述目标试题图像中定位到的所述目标答题区域的个数大于目标个数阈值时，确定定位到的所述目标答题区域的分布是否符合目标版式；当定位到的所述目标答题区域的分布不符合所述目标版式时，在所述目标试题图像中定位候选答题区域，其中，定位到的所述候选答题区域和定位到的所述目标答题区域共同的分布符合所述目标版式将定位到的所述候选答题区域获取为所述目标答题区域。6.根据权利要求1所述的方法，其特征在于，所述根据所述目标题目的类型，对定位到的所述目标答题区域内的所述答题内容的图像进行识别，包括：从神经网络集合中获取与所述目标题目的类型对应的第二神经网络，所述神经网络集合包括至少一个用于对序列进行识别的神经网络，每个所述神经网络与一种题目的类型相对应；将所述答题内容的图像输入至所述第二神经网络中，获取所述第二神经网络输出的对所述答题内容的图像进行识别的结果。7.根据权利要求6所述的方法，其特征在于，所述第二神经网络包括第二图像特征提取子网络和序列识别子网络，所述将所述答题内容的图像输入至所述第二神经网络中，获取所述第二神经网络输出的对所述答题内容的图像进行识别的结果，包括：将所述答题内容的图像输入至所述第二图像特征提取子网络中，获取所述第二图像特征提取子网络对所述答题内容的图像进行特征提取后输出的第二特征图；将所述第二特征图转化为特征序列；将所述特征序列输入至所述序列识别子网络中，获取所述序列识别子网络输出的对所述特征序列进行识别的结果；根据对所述特征序列进行识别的结果获取对所述答题内容的图像进行识别的结果。8.根据权利要求7所述的方法，其特征在于，所述序列识别子网络包括编码器和解码器，所述将所述特征序列输入至所述序列识别子网络中，获取所述序列识别子网络输出的对所述特征序列进行识别的结果，包括：将所述特征序列输入至所述编码器中，通过所述编码器对所述特征序列进行非线性变换处理，得到中间语义序列；将所述中间语义序列输入至所述解码器中，通过所述解码器采用注意力机制将所述...

【专利技术属性】
技术研发人员：胡益清，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44