题目拆分模型训练方法、题目拆分方法及相关装置制造方法及图纸

本公开提供一种题目拆分模型训练方法、题目拆分方法及相关装置，题目拆分模型训练方法包括：获取训练待拆分题目图片，所述训练待拆分题目图片的各个文本行均标注有文本行基准类别；根据所述训练待拆分题目图片，获取训练待拆分题目的文本行坐标的文本行坐标特征、所述训练待拆分题目的文本行内容的文本行内容特征和与各个所述文本行对应的文本行图片特征；根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型。利用本公开所提供的题目拆分模型训练方法训练完成的题目拆分模型拆分题目，可以提高题目拆分的准确性。可以提高题目拆分的准确性。可以提高题目拆分的准确性。

【技术实现步骤摘要】
题目拆分模型训练方法、题目拆分方法及相关装置


[0001]本公开实施例涉及计算机领域，尤其涉及一种题目拆分模型训练方法、题目拆分方法及相关装置。

技术介绍

[0002]由于计算机技术和深度学习的发展，借助于计算机和网络辅助学习和教学已成为一种趋势，随着人工智能、计算机视觉、多模态等技术的广泛应用，将试卷图片中的题目进行自动题目拆分成为可能，例如：在专利CN111652141A、CN108304562A中记载有相关技术的描述。
[0003]但现有的题目拆分的方法的准确性较低，比如：利用图像识别结果进行拆分，先对试卷图像进行图像识别，然后对识别后的图像进行文本拆分，而当识别结果中缺少了关键字时，很容易出现差错。
[0004]利用图像结构信息进行拆分，对题目结构进行检测并对检测到的图像进行分类，有些题目从版面上很相似，但是文本内容的区别使其题目类型有很大差别，因此只利用图像分类的方式难以将题目类型区分的很好；并且当有题目跨页时，只能利用后处理逻辑将同一道题目合并，也很容易出现错误。
[0005]因此，如何提高题目拆分的准确性，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种题目拆分模型训练方法，其特征在于，包括：获取训练待拆分题目图片，所述训练待拆分题目图片的各个文本行均标注有文本行基准类别；根据所述训练待拆分题目图片，获取训练待拆分题目的文本行坐标的文本行坐标特征、所述训练待拆分题目的文本行内容的文本行内容特征和与各个所述文本行对应的文本行图片特征；根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型。2.如权利要求1所述的题目拆分模型训练方法，其特征在于，所述文本行基准类别的获取步骤包括：获取所述训练待拆分题目图片的各个文本区域的文本区域基准类别，所述文本区域包括至少一个所述文本行；根据各个所述文本区域的各个所述文本区域基准类别，获取所述文本区域中各个文本行的所述文本行基准类别。3.如权利要求2所述的题目拆分模型训练方法，其特征在于，所述文本行基准类别包括问题文本行位置类别，所述文本区域基准类别包括问题文本区域位置类别。4.如权利要求3所述的题目拆分模型训练方法，其特征在于，所述问题文本行位置类别包括：题目第一行、题目中间行、题目结束行及单独题目行。5.如权利要求3所述的题目拆分模型训练方法，其特征在于，所述问题文本区域位置类别包括：题目开始、题目中间、题目结束、单独题目。6.如权利要求3所述的题目拆分模型训练方法，其特征在于，所述文本行基准类别还包括标题文本行位置类别，所述文本区域基准类别还包括标题文本区域位置类别。7.如权利要求6所述的题目拆分模型训练方法，其特征在于，所述标题文本行位置类别包括：标题第一行、标题中间行、标题结束行及单独标题行。8.如权利要求6所述的题目拆分模型训练方法，其特征在于，所述标题文本区域位置类别包括：标题开始、标题中间、标题结束、单独标题。9.如权利要求3所述的题目拆分模型训练方法，其特征在于，所述文本区域基准类别还包括：页眉和页脚。10.如权利要求1
‑
9任一项所述的题目拆分模型训练方法，其特征在于，所述根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型的步骤包括：根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征，利用题目拆分模型，获取所述训练待拆分题目图片的各个所述文本行的文本行预测类别；根据所述文本行预测类别和所述文本行基准类别的损失调整所述题目拆分模型的参数，直至所述损失满足损失阈值，得到训练完成的所述题目拆分模型。11.如权利要求10所述的题目拆分模型训练方法，其特征在于，所述根据所述文本行图片特征、所述文本行...

【专利技术属性】
技术研发人员：单海蛟，
申请(专利权)人：北京世纪好未来教育科技有限公司，
类型：发明
国别省市：