一种试卷扫描图像中作文区域书写评级方法技术

本发明专利技术公开一种试卷扫描图像中作文区域书写评级方法，涉及图像分类领域。针对试卷扫描图像中的作文区域的书写评级问题，提出将作文图像切分成小图，对小图预测类别后再通过小图类别预测大图书写级别的方法。方法中包括作文图像切分、密集连接卷积网络denseNet预测小图、预测数据再处理、XGBoost集成预测四个部分。本方法可减少作文图像中非手写体区域对书写评级的影响，同时综合手写区域各部分特征进行预测，预测良好效果。

A writing rating method of composition area in the scanned image of test paper

【技术实现步骤摘要】
一种试卷扫描图像中作文区域书写评级方法
本专利技术属于图像分类
，具体是一种试卷扫描图像中作文区域书写评级方法。
技术介绍
互联网早已经普及到了千家万户，也一直在推进各行各业的变革。教育这一相对保守的行业面对这日新月异的互联网时代，也不得不顺应时代潮流。网络教育是一种资源共享的变革，而网络批阅则是生产力的变革。各种网络阅卷系统不断推进市场，其中英语作文模块又对阅卷系统起到相当大的作用。但是调研众多批阅系统的英语作文评分功能后发现，其缺乏对书写因素的考虑。现有的各种作文评分系统，都是先利用OCR识别方法，从图像识别出文本，然后在文本基础上进行评分分析，并没有考虑到学生的书写因素，因此各种作文评分系统的准确率也一直受到限制。如果能将作文书写也作为评分的一个特征则能对作文评分系统的发展提到很大的推动作用。深度学习是目前图像处理的主流方法，因为它能在大量数据中自动提取特征，并归纳各特征的影响大小与影响方式，深度学习中的卷积方法则着重提取图像的各个局部特征，进一步适应了图像的应用场景，提高预测准确率。本专利技术将利用密集连接卷积网络本文档来自技高网...

【技术保护点】
1.一种试卷扫描图像中作文区域书写评级方法，其特征在于，将作文图像切分成小图，对小图预测类别后再通过小图类别预测大图书写级别。方法包括图像切分、小图预测、预测数据再处理、集成预测四个部分。/n

【技术特征摘要】
1.一种试卷扫描图像中作文区域书写评级方法，其特征在于，将作文图像切分成小图，对小图预测类别后再通过小图类别预测大图书写级别。方法包括图像切分、小图预测、预测数据再处理、集成预测四个部分。


2.根据权利要求1所述的一种试卷扫描图像中作文区域书写评级方法，其特征在于，所述图像切分具体描述为：作文区域图像先按比例缩放到560宽度即尺寸为(560*(560*h/w))，再对缩放后的图像以112为步长切分成224*224的小图。


3.根据权利要求1所述的一种试卷扫描图像中作文区域书写评级方法，其特征在于，所述小图预测具体描述为：构建小图分类训练数据，采用密集连接卷积网络denseNet训练分类模型，对224*224的小图预测书写级别。


4.根据权利要求3所述的构建小图分类训练数据，其特征在于，所述具体为：将作文图像切分成224*224小图，并标注成“非手写体”、“较差”、“一般”、“良好”、“优秀”五类。


5.根据权利要求1所述的一种试卷扫描图像中作文区域书写评级方法，其特征在于，所述预测数据再处理具体描述为：以每张作文大图为单位，对由denseNet网络模型预测的小图类别结果再处理，计算对应大图切分出的小图中各类别数量以及各类别小图数量占该大图切出的小图总数量百分比。


6.一种试卷扫描图像中作文区域书写评级方法，其特征在于，包括以下具体步骤：
步骤一、收集数据：准备...

【专利技术属性】
技术研发人员：侯冲，严军峰，陈家海，叶家鸣，吴波，
申请(专利权)人：安徽七天教育科技有限公司，
类型：发明
国别省市：安徽;34