CN107832768A - 基于深度学习的高效阅卷方法和阅卷系统 - Google Patents
基于深度学习的高效阅卷方法和阅卷系统 Download PDFInfo
- Publication number
- CN107832768A CN107832768A CN201711177675.3A CN201711177675A CN107832768A CN 107832768 A CN107832768 A CN 107832768A CN 201711177675 A CN201711177675 A CN 201711177675A CN 107832768 A CN107832768 A CN 107832768A
- Authority
- CN
- China
- Prior art keywords
- answer
- module
- image
- character
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/2455—Discrimination between machine-print, hand-print and cursive writing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于深度学习的高效阅卷方法和阅卷系统,阅卷方法包括了图像定位、图像扫描、图像预处理、标准学习以及客观题和主观题的分别批阅。其中,在图像预处理完成后以及主观题的答案库输出过程中引入了深度学习技术,并且提出了一种将样本库进行模块化的方法,极大地提高了识别速度以及精准度。有效的解决了现在大型考试需要人力阅卷,工作量太大的问题。在实施过程中,对考试者而言,弥补了之前电子阅卷解答时也需要网上作答的弊端或者需要填涂答题卡的问题;对批阅者而言,不再需要人工改卷,只需要对一份试题给出一份标准答案以及评分准则并录入该系统即可完成从批阅到分数输出。
Description
技术领域
本发明涉及一种阅卷方法和阅卷系统,具体涉及一种基于深度学习的高效阅卷方法和阅卷系统;属于人工智能技术领域。
背景技术
随着计算机和人工智能的高速发展,无论是工作还是生活都得到了极大地改善,其中教育领域尤为突出。传统的阅卷方式存在诸多的问题,一方面给教师造成了极大的工作负担,甚至压缩了教师备课的时间;另一方面,主观题的批阅带有较强的主观性。根据人脑工作质量与工作时长的分析,长期批阅可能造成批阅的误差性。
传统电子阅卷主要针对的只有客观题,采用的处理方法是读取填图卡的数据,将其和标准答案进行对比,这个方法有效的提高了批阅速度,但是需要学生作答时使用2B铅笔进行客观题的作答,不仅多有不便,还容易出现误涂、漏涂等情况。此外,如果一份试卷只有客观题显然是很不具有参考价值的,因此,试卷上通常也会有主观题。但是,主观题的答案具有仁者见仁智者见智的特点,每个人都不完全一样,表达的形式也不一,所以主观题的自动批阅一直是个很大的难题。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种基于深度学习的高效阅卷方法,能够实现高准确度的手写字符识别以及客观题、主观题的全卷智能批阅。
为了实现上述目标,本发明采用如下的技术方案:
基于深度学习的高效阅卷方法,包括如下步骤:
(1)、图像定位:将答卷位置确定好方便系统正确地扫描答卷;
(2)、图像扫描:将手写字符录入到系统中;
(3)、图像预处理:处理后使系统识别答卷上手写的字符;
(4)、标准学习:建立答案库,用于主观题权重计算;
(5)、试卷批阅:对照答案库分别对客观题和主观题进行批阅,并对照评分规则给出得分。
优选地,前述的图像扫描基于摄像头扫描技术:将摄像头对准答题卡拍摄,系统自动匹配扫描准线,并将对应的原始字符输出到终端。
另一种优选地,前述的图像扫描基于光束扫描技术:将试卷中所有印迹都扫描至终端。
更优选地,前述图像预处理包括:图像灰度化处理、图像二值化处理以及图像去噪处理。
更优选地,在图像预处理时,以字符的结构为标准,对字符进行分模块识别,参考模块库输出识别出来的字符;所述模块库是以汉字、26个字母、10个数字为标准建立的样本库经过模块化处理得到的。
具体地,前述标注学习的具体方法为:首先在系统中输入一份标准答案,然后随机抽取多份样本供计算机学习,答案词条匹配时采用模糊匹配方法和同义词条替换技术,在机器学习时不断更新匹配库以及词条库,输出一个新的答案库,并对答案库中的答案以N个字符为节点分解成多个模块。
优选地,前述样本数量为总批卷量的1/10,这样能够保证深度学习的准确性。
优选地,N等于10,方便系统进行比对。
此外,本发明还公开了实现如前所述的高效阅卷方法的阅卷系统,包括:图像扫描模块、图像预处理模块、图像存储模块、标准学习模块、答案库模块以及试卷批阅模块,所述图像扫描模块扫描试卷上的字符后经图像预处理模块处理后输出至图像存储模块,标准学习模块调取图像存储模块中的多个样本进行深度学习后输出新的主观题答案并输出至答案库模块中,所述试卷批阅模块调取答案库模块中的数据进行比对后给出每题作答者最后的总权值,并根据负责人给定的评分规则给出最终的得分。
鉴于目前大多数考试中大多数考生还是更加倾向于手写答卷,本系统保留了手写考试的形式。基于机器视觉或传统的光束扫描技术将考生考试的考卷录入系统,扫描完成后,系统进行答卷的字符智能识别,将每个字符按照其结构进行分解,对每个部首识别,进行特征拾取,最后输出响应的字符。本系统的主要亮点是实现了主观题的批阅,主观题批阅中引用了深度学习技术,结合抽取的样本以及标准答案对系统进行“学习和训练”,建立新的答案库,对作答者的答案进行智能对比,得到该作答的权重最后对应评分规则得到最终得分。
本发明的有益之处在于:有效的解决了现在大型考试需要人力阅卷,工作量太大的问题。在实施过程中,对考试者而言,弥补了之前电子阅卷解答时也需要网上作答的弊端或者需要填涂答题卡的问题;对批阅者而言,不再需要人工改卷,只需要对一份试题给出一份标准答案以及评分准则并录入该系统即可完成从批阅到分数输出。
附图说明
图1是本发明的一种基于深度学习的高效阅卷方法的整体流程示意图;
图2是本发明的方法中图像扫描的样图;
图3是本发明中针对客观题的批阅流程;
图4是本发明中针对主观题的批阅流程;
图5是本发明中识别字符并输出字符的处理方法流程图;
图6是本发明中输出主观题答案库的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
参见图1,本发明的高效阅卷方法包括:图像定位、图像扫描、图像预处理、标准学习、主观题审阅和客观题审阅。
首先,图像定位是将试卷的位置确定好,方便系统正确地扫描答卷,使扫描准确率达到100%,然后通过图像扫描将答卷上的手写字符录入到系统中,扫描思路如图2所示:答题纸中对各个信息模块进行划分,主要分为:个人信息填写区、考试信息公示区、客观题答题区以及主观题答题区。
本发明提供两种扫描方式:
第一种,基于摄像头的扫描方式。用户使用如图2所示的样卷的答题卡,并在扫描前在系统预置x1,x2,x3,……,xn以及y1,y2,y3,……,yn等参数。操作时,只需要将摄像头对准答题卡拍摄,系统自动匹配扫描准线(图2中的粗黑线,细黑线为说明图标),细并将对应的原始字符输出到终端(包含电脑、手机等终端)。
第二种,基于光束扫描技术的实现方法。试卷中所有的印迹(包括扫描准线以及答题痕迹)全部被扫描进电脑。
接着,通过预处理完成卷面字符的识别,然后进行标准学习,也就是引入深度学习,建立一个主观题答案库,用于主观题的权重计算。
图5所示为本发明识别字符并输出字符的处理方法。首先需要对图像进行灰度化处理,继而进行图像二值化处理和图像去噪处理,完成这些预处理后进行图像的特征提取。为了降低数据库的维度,同时提高识别精度,本发明以文字的结构和部件作为两项主要参考参数,首先对字符的结构进行分析,其次对字符按照结构进行拆解,对各个拆开的部首进行识别,参考模块库输出识别出来的字符。其中,模块库也是以汉字、26个字母、10个数字为标准建立的样本库经过模块化处理得到的。
图6所示为本发明输出主观题批阅标准的方法简要流程,首先在系统中输入一份标准答案(也即传统考试中给出的参考答案),然后随机抽取多份样本以供计算机学习,建议选择总批卷量的1/10。答案词条匹配时采用模糊匹配方法和同义词条替换技术,在机器学习时不断更新匹配库以及词条库。在批阅试卷时,系统对比经过学习后建立的“答案库”给出每题作答者最后的总权值,并根据负责人给定的评分规则给出该题目最终的得分。
最后,对照答案库分别进行客观题和主观题的审阅,并对照评分规则给出得分,分别如图3和图4所示。具体实施包括以下步骤:
(1)、在完成试卷的扫描工作后,对试卷上的字符进行识别,识别实现原理如前所述,识别完成后输出试卷上的的字符信息。
(2)、标准录入。对于客观题而言,只要将标准答案输入系统即可;对于主观题而言,本实施例突出了一种高精度的多元主观题答案输出方式,首先,输入“标准”答案,然后计算机学习多份答卷(建议为总阅卷量1/10),输出一个新的答案库,并对答案库中的答案以N个字符(建议为10个字符左右)为节点分解成多个模块,即标准库模块化,如图6所示。
(3)、试卷的批阅。将输出字符和答案库进行匹配,输出批阅结果,结合原先既定的评分标准给出最终该题的得分。
综上,本发明的阅卷方法在主观题的答案库输出过程中引入了深度学习技术,提出了一种将样本库进行模块化的新思路,极大地提高了识别速度以及精准度,在阅卷前首先对系统进行学习,提出多种符合题意的主观题答案库,有效解决了主观题机器化评阅复杂的难题。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (9)
1.基于深度学习的高效阅卷方法,其特征在于,包括如下步骤:
(1)、图像定位:将答卷位置确定好方便系统正确地扫描答卷;
(2)、图像扫描:将手写字符录入到系统中;
(3)、图像预处理:处理后使系统识别答卷上手写的字符;
(4)、标准学习:建立答案库,用于主观题权重计算;
(5)、试卷批阅:对照答案库分别对客观题和主观题进行批阅,并对照评分规则给出得分。
2.根据权利要求1所述的基于深度学习的高效阅卷方法,其特征在于,所述的图像扫描基于摄像头扫描技术:将摄像头对准答题卡拍摄,系统自动匹配扫描准线,并将对应的原始字符输出到终端。
3.根据权利要求1所述的基于深度学习的高效阅卷方法,其特征在于,所述的图像扫描基于光束扫描技术:将试卷中所有印迹都扫描至终端。
4.根据权利要求1所述的基于深度学习的高效阅卷方法,其特征在于,所述图像预处理包括:图像灰度化处理、图像二值化处理以及图像去噪处理。
5.根据权利要求4所述的基于深度学习的高效阅卷方法,其特征在于,在图像预处理时,以字符的结构为标准,对字符进行分模块识别,参考模块库输出识别出来的字符;所述模块库是以汉字、26个字母、10个数字为标准建立的样本库经过模块化处理得到的。
6.根据权利要求1所述的基于深度学习的高效阅卷方法,其特征在于,所述标注学习的具体方法为:首先在系统中输入一份标准答案,然后随机抽取多份样本供计算机学习,答案词条匹配时采用模糊匹配方法和同义词条替换技术,在机器学习时不断更新匹配库以及词条库,输出一个新的答案库,并对答案库中的答案以N个字符为节点分解成多个模块。
7.根据权利要求6所述的基于深度学习的高效阅卷方法,其特征在于,所述样本数量为总批卷量的1/10。
8.根据权利要求6所述的基于深度学习的高效阅卷方法,其特征在于,N等于10。
9.实现如权利要求1-8任一项所述的高效阅卷方法的阅卷系统,其特征在于,包括:图像扫描模块、图像预处理模块、图像存储模块、标准学习模块、答案库模块以及试卷批阅模块,所述图像扫描模块扫描试卷上的字符后经图像预处理模块处理后输出至图像存储模块,标准学习模块调取图像存储模块中的多个样本进行深度学习后输出新的主观题答案并输出至答案库模块中,所述试卷批阅模块调取答案库模块中的数据进行比对后给出每题作答者最后的总权值,并根据负责人给定的评分规则给出最终的得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711177675.3A CN107832768A (zh) | 2017-11-23 | 2017-11-23 | 基于深度学习的高效阅卷方法和阅卷系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711177675.3A CN107832768A (zh) | 2017-11-23 | 2017-11-23 | 基于深度学习的高效阅卷方法和阅卷系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832768A true CN107832768A (zh) | 2018-03-23 |
Family
ID=61653166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711177675.3A Pending CN107832768A (zh) | 2017-11-23 | 2017-11-23 | 基于深度学习的高效阅卷方法和阅卷系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832768A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446277A (zh) * | 2018-03-27 | 2018-08-24 | 北京大前科技有限责任公司 | 模拟学习的方法及装置 |
CN108764074A (zh) * | 2018-05-14 | 2018-11-06 | 山东师范大学 | 基于深度学习的主观题智能阅卷方法、系统及存储介质 |
CN108898906A (zh) * | 2018-09-12 | 2018-11-27 | 北京机械设备研究所 | 一种基于电子纸桌面的教学系统及方法 |
CN109117738A (zh) * | 2018-07-19 | 2019-01-01 | 江苏黄金屋教育发展股份有限公司 | 基于人工智能的阅卷方法 |
CN109132744A (zh) * | 2018-08-29 | 2019-01-04 | 盐城线尚天使科技企业孵化器有限公司 | 基于深度学习的电梯调控方法及系统 |
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN110070151A (zh) * | 2019-03-08 | 2019-07-30 | 杭州博世数据网络有限公司 | 一种基于图像识别技术的答题卡及考试系统 |
CN110110585A (zh) * | 2019-03-15 | 2019-08-09 | 西安电子科技大学 | 基于深度学习的智能阅卷实现方法及系统、计算机程序 |
CN110110959A (zh) * | 2019-03-19 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于用户答案的智能招聘方法、装置、设备及存储介质 |
CN110413551A (zh) * | 2018-04-28 | 2019-11-05 | 上海寒武纪信息科技有限公司 | 信息处理装置、方法及设备 |
CN110688839A (zh) * | 2019-07-02 | 2020-01-14 | 安徽七天教育科技有限公司 | 一种基于试卷的英语作文自动评阅的方法 |
WO2020062804A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 自然场景中行驶证拍照影像的识别方法、装置及电子设备 |
CN112287925A (zh) * | 2020-10-19 | 2021-01-29 | 南京数件技术研究院有限公司 | 一种基于实时轨迹采集的数学判题系统 |
CN112749257A (zh) * | 2021-01-11 | 2021-05-04 | 徐州金林人工智能科技有限公司 | 一种基于机器学习算法的智能阅卷系统 |
WO2021177413A1 (ja) * | 2020-03-04 | 2021-09-10 | 株式会社グロービス | レポート評価装置、レポート評価方法、及びプログラム |
CN114064739A (zh) * | 2022-01-14 | 2022-02-18 | 深圳市明源云科技有限公司 | 阅卷优化方法、装置、电子设备及可读存储介质 |
CN115243098A (zh) * | 2022-07-19 | 2022-10-25 | 上海联影医疗科技股份有限公司 | 屏幕录制方法、装置、计算机设备和存储介质 |
US11537843B2 (en) | 2017-06-29 | 2022-12-27 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
US11656910B2 (en) | 2017-08-21 | 2023-05-23 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
CN116416629A (zh) * | 2023-06-12 | 2023-07-11 | 北京量子伟业信息技术股份有限公司 | 电子档案生成方法、装置、设备和介质 |
US11726844B2 (en) | 2017-06-26 | 2023-08-15 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009229606A (ja) * | 2008-03-19 | 2009-10-08 | Japan Institute For Educational Measurement Inc | 答案分析処理方法及び答案分析処理システム |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
CN106781784A (zh) * | 2017-01-04 | 2017-05-31 | 王骁乾 | 一种智能批改系统 |
CN106991161A (zh) * | 2017-03-31 | 2017-07-28 | 北京字节跳动科技有限公司 | 一种自动生成开放式问题答案的方法 |
CN107194337A (zh) * | 2017-05-14 | 2017-09-22 | 联阅科技(北京)有限公司 | 一种非选择题的智能批阅方法 |
-
2017
- 2017-11-23 CN CN201711177675.3A patent/CN107832768A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009229606A (ja) * | 2008-03-19 | 2009-10-08 | Japan Institute For Educational Measurement Inc | 答案分析処理方法及び答案分析処理システム |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
CN106781784A (zh) * | 2017-01-04 | 2017-05-31 | 王骁乾 | 一种智能批改系统 |
CN106991161A (zh) * | 2017-03-31 | 2017-07-28 | 北京字节跳动科技有限公司 | 一种自动生成开放式问题答案的方法 |
CN107194337A (zh) * | 2017-05-14 | 2017-09-22 | 联阅科技(北京)有限公司 | 一种非选择题的智能批阅方法 |
Non-Patent Citations (2)
Title |
---|
中国物品编码中心等: "《自动识别技术导论》", 31 May 2007 * |
张均胜等: ""一种基于短文本相似度计算的主观题自动阅卷方法"", 《图书情报工作》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11726844B2 (en) | 2017-06-26 | 2023-08-15 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
US11537843B2 (en) | 2017-06-29 | 2022-12-27 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
US11656910B2 (en) | 2017-08-21 | 2023-05-23 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
CN108446277A (zh) * | 2018-03-27 | 2018-08-24 | 北京大前科技有限责任公司 | 模拟学习的方法及装置 |
CN108446277B (zh) * | 2018-03-27 | 2021-08-17 | 北京大前科技有限责任公司 | 模拟学习的方法及装置 |
US11687467B2 (en) | 2018-04-28 | 2023-06-27 | Shanghai Cambricon Information Technology Co., Ltd | Data sharing system and data sharing method therefor |
CN110413551B (zh) * | 2018-04-28 | 2021-12-10 | 上海寒武纪信息科技有限公司 | 信息处理装置、方法及设备 |
CN110413551A (zh) * | 2018-04-28 | 2019-11-05 | 上海寒武纪信息科技有限公司 | 信息处理装置、方法及设备 |
CN108764074A (zh) * | 2018-05-14 | 2018-11-06 | 山东师范大学 | 基于深度学习的主观题智能阅卷方法、系统及存储介质 |
CN109117738A (zh) * | 2018-07-19 | 2019-01-01 | 江苏黄金屋教育发展股份有限公司 | 基于人工智能的阅卷方法 |
CN109132744A (zh) * | 2018-08-29 | 2019-01-04 | 盐城线尚天使科技企业孵化器有限公司 | 基于深度学习的电梯调控方法及系统 |
CN109284702B (zh) * | 2018-09-07 | 2021-06-25 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN108898906A (zh) * | 2018-09-12 | 2018-11-27 | 北京机械设备研究所 | 一种基于电子纸桌面的教学系统及方法 |
WO2020062804A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 自然场景中行驶证拍照影像的识别方法、装置及电子设备 |
CN110070151A (zh) * | 2019-03-08 | 2019-07-30 | 杭州博世数据网络有限公司 | 一种基于图像识别技术的答题卡及考试系统 |
CN110110585A (zh) * | 2019-03-15 | 2019-08-09 | 西安电子科技大学 | 基于深度学习的智能阅卷实现方法及系统、计算机程序 |
CN110110585B (zh) * | 2019-03-15 | 2023-05-30 | 西安电子科技大学 | 基于深度学习的智能阅卷实现方法及系统、计算机程序 |
CN110110959A (zh) * | 2019-03-19 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于用户答案的智能招聘方法、装置、设备及存储介质 |
CN110688839A (zh) * | 2019-07-02 | 2020-01-14 | 安徽七天教育科技有限公司 | 一种基于试卷的英语作文自动评阅的方法 |
WO2021177413A1 (ja) * | 2020-03-04 | 2021-09-10 | 株式会社グロービス | レポート評価装置、レポート評価方法、及びプログラム |
JP2021140426A (ja) * | 2020-03-04 | 2021-09-16 | 株式会社グロービス | レポート評価装置、レポート評価方法、及びプログラム |
CN112287925A (zh) * | 2020-10-19 | 2021-01-29 | 南京数件技术研究院有限公司 | 一种基于实时轨迹采集的数学判题系统 |
CN112749257A (zh) * | 2021-01-11 | 2021-05-04 | 徐州金林人工智能科技有限公司 | 一种基于机器学习算法的智能阅卷系统 |
CN114064739A (zh) * | 2022-01-14 | 2022-02-18 | 深圳市明源云科技有限公司 | 阅卷优化方法、装置、电子设备及可读存储介质 |
CN115243098A (zh) * | 2022-07-19 | 2022-10-25 | 上海联影医疗科技股份有限公司 | 屏幕录制方法、装置、计算机设备和存储介质 |
CN115243098B (zh) * | 2022-07-19 | 2024-05-24 | 上海联影医疗科技股份有限公司 | 屏幕录制方法、装置、计算机设备和存储介质 |
CN116416629A (zh) * | 2023-06-12 | 2023-07-11 | 北京量子伟业信息技术股份有限公司 | 电子档案生成方法、装置、设备和介质 |
CN116416629B (zh) * | 2023-06-12 | 2023-08-29 | 北京量子伟业信息技术股份有限公司 | 电子档案生成方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832768A (zh) | 基于深度学习的高效阅卷方法和阅卷系统 | |
CN110348400B (zh) | 一种评分获取方法、装置及电子设备 | |
CN105447473B (zh) | 一种基于PCANet-CNN的任意姿态人脸表情识别方法 | |
Karayaneva et al. | Object recognition in python and mnist dataset modification and recognition with five machine learning classifiers | |
CN109239102A (zh) | 一种基于cnn的柔性电路板外观缺陷检测方法 | |
CN108735021A (zh) | 一种用于学生作业的智能辅导系统 | |
CN110751137A (zh) | 一种自动求解数学题的方法和系统 | |
CN107909067A (zh) | 智能生成答题卡以及移动终端自动阅卷评分的考试系统 | |
CN107832758A (zh) | 智能生成答题卡以及服务器终端自动阅卷评分的考试系统 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN108537218A (zh) | 一种答题卡的识别处理方法及装置 | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
CN111611854B (zh) | 一种基于模式识别的课堂情况评价方法 | |
CN110659599A (zh) | 一种基于扫描试卷的离线笔迹鉴定系统以及使用方法 | |
CN113888757A (zh) | 基于对标评价的考卷智能分析方法、系统及存储介质 | |
CN114495124A (zh) | 一种试题成绩分析及练习提高系统 | |
CN109284702B (zh) | 一种基于图像模式的答题卷给分及阅卷系统 | |
CN107066939A (zh) | 一种网上阅卷系统的试卷切割处理方法 | |
CN107194337A (zh) | 一种非选择题的智能批阅方法 | |
CN113378823A (zh) | 一种心理量表试卷生成及其自动化批阅系统 | |
CN112749257A (zh) | 一种基于机器学习算法的智能阅卷系统 | |
CN108009537A (zh) | 一种识别问卷批改得分的方法 | |
CN115905187A (zh) | 一种面向云计算工程技术人员认证的智能化命题系统 | |
CN115482535A (zh) | 一种试卷自动批改方法、存储介质及设备 | |
Rajesh et al. | Digitized exam paper evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |