【技术实现步骤摘要】
本说明书涉及物联网，特别涉及一种基于神经网络的答题卡配准方法、系统和存储介质。
技术介绍
1、目前市面上的网络阅卷系统一般需要使用系统规范的答题卡，学生答题卡上传后，根据其特定的定位点标记将试卷对齐后切题阅卷，一部分产品支持第三方试卷，但是需要从模板中框选定位区或定位点定位线，这种方法在试卷没有定位点定位线的情况下准确度低，且试卷在打印和扫描过程中存在的各种图像缺损进一步降低了其可用性。个别使用基于fast算法的特征点提取如orb算法，但是在答题卡图像空白多的情况下精度很差，很依赖模板的选择，并且在多校联考的场景下，由于各个学校扫描的参数和质量不一致，使用一个模板无法配准所有学校的试卷，经常造成图像仿射形变问题。
2、因此，为了克服上述不足，本专利技术提供一种基于深度神经网络的任意试卷配准方案，能够智能地对不同版本或形式的试卷进行配准，提高评估和分析的准确性和效率。
技术实现思路
1、本说明书一个或多个实施例提供一种基于神经网络的答题卡配准方法，所述方法包括：获取待配准答题卡图...
【技术保护点】
1.一种基于神经网络的答题卡配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述训练好的试卷配准模型包括特征提取模块和特征匹配模块，所述特征提取模块用于对所述待配准答题卡图像进行特征提取，所述特征匹配模块用于基于提取的特征进行配准。
3.根据权利要求1所述的方法，其特征在于，所述获取待配准答题卡图像和至少一个模板图像包括：
4.根据权利要求2所述的方法，其特征在于，所述特征提取模块包括特征提取层，所述特征提取层基于深度学习构建，用于基于所述待配准答题卡图像进行特征提取；
5.根据权利要求4...
【技术特征摘要】
1.一种基于神经网络的答题卡配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述训练好的试卷配准模型包括特征提取模块和特征匹配模块，所述特征提取模块用于对所述待配准答题卡图像进行特征提取，所述特征匹配模块用于基于提取的特征进行配准。
3.根据权利要求1所述的方法，其特征在于，所述获取待配准答题卡图像和至少一个模板图像包括：
4.根据权利要求2所述的方法，其特征在于，所述特征提取模块包括特征提取层，所述特征提取层基于深度学习构建，用于基于所述待配准答题卡图像进行特征提取；
5.根据权利要求4所述的方法，其...
【专利技术属性】
技术研发人员：李江，左凌慧，吴明晋，
申请(专利权)人：四川云数赋智教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。