CN111126486A - 一种测验统计方法、装置、设备及存储介质 - Google Patents

一种测验统计方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111126486A
CN111126486A CN201911347234.2A CN201911347234A CN111126486A CN 111126486 A CN111126486 A CN 111126486A CN 201911347234 A CN201911347234 A CN 201911347234A CN 111126486 A CN111126486 A CN 111126486A
Authority
CN
China
Prior art keywords
test
answering
answerer
image
answer
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
Application number
CN201911347234.2A
Other languages
English (en)
Inventor
王丽红
马皓
崔旭东
章玲燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
iFlytek Co Ltd
Original Assignee
iFlytek Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by iFlytek Co Ltd filed Critical iFlytek Co Ltd
Priority to CN201911347234.2A priority Critical patent/CN111126486A/zh
Publication of CN111126486A publication Critical patent/CN111126486A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出一种测验统计方法、装置、设备及存储介质，其中，该方法包括：获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。上述处理过程实现了自动进行测验数据统计，将其应用于学情测验场景中，可以减轻测验者的工作量，降低测验统计过程的人力消耗。

Description

一种测验统计方法、装置、设备及存储介质
技术领域
本申请涉及信息技术领域，尤其涉及一种测验统计方法、装置、设备及存储介质。
背景技术
学情测验是了解被测验者的学习情况的主要途径。例如，老师可以通过作业、测验等方式了解学生对知识点的学习情况。
常见的学情测验过程通常由人工主导完成，例如由测验者根据待测验知识点出题并交由被测验者作答，被测验者作答后将作答结果交给测验者，测验者通过对被测验者的作答内容进行批阅、总结，了解被测验者对待测验知识点的学习情况。上述的测验、统计过程给测验者带来很大的工作压力，测验者既需要进行批阅又需要进行统计，其工作量繁重，人力消耗较高。
发明内容
基于上述现有测验统计方案的缺陷和不足，本申请提出一种测验统计方法、装置、设备及存储介质，能够实现测验数据的自动统计。
一种测验统计方法，包括：
获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；
获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
一种测验统计方法，包括：
获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
向答题者客户端推送所述测验图像；
获取各答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像；
基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计。
一种测验统计装置，包括：
第一信息获取单元，用于获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
第一数据推送单元，用于向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；
第一数据统计单元，用于获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
一种测验统计装置，包括：
第二信息获取单元，用于获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
第二数据推送单元，用于向答题者客户端推送所述测验图像；
图像接收单元，用于获取各答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像；
第二数据统计单元，用于基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计。
一种测验统计设备，包括：
存储器和处理器；
其中，所述存储器用于存储程序；
所述处理器，用于通过执行所述存储器中存储的程序，实现上述的测验统计方法。
一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现上述的测验统计方法。
本申请提出的测验统计方法，在获取测验图像和测验答案后，向答题者客户端推送测验图像，并且在满足答案展示条件时向答题者客户端推送测验答案，以便答题者根据测验答案自主批阅作答内容，并将作答内容批阅信息上传至上述执行主体；最后，根据接收的作答内容批阅信息进行测验数据统计。上述处理过程实现了自动进行测验数据统计，将其应用于学情测验场景中，可以减轻测验者的工作量，降低测验统计过程的人力消耗。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本申请实施例提出的一种测验系统示意图；
图2是本申请实施例提供的一种测验统计方法的流程示意图；
图3是本申请实施例提供的一种测验图像的示意图；
图4是本申请实施例提供的一种测验答案的示意图；
图5是本申请实施例提供的测验图像推送选项示意图；
图6是本申请实施例提供的答题者客户端界面示意图；
图7是本申请实施例提供的另一种测验统计方法的流程示意图；
图8是本申请实施例提供的一种作答图像的示意图；
图9是本申请实施例提供的一种作答区域标记结果示意图；
图10是本申请实施例提供的一种作答内容批阅信息示意图；
图11是本申请实施例提供的一种测验数据统计示意图；
图12是本申请实施例提供的deeplabv3+网络的结构示意图；
图13是本申请实施例提供的像素分类模型的结构示意图；
图14是本申请实施例提供的水平方向和竖直方向的双向GRU并行分支结构示意图；
图15是本申请实施例提供的另一种测验统计方法的流程示意图；
图16是本申请实施例提供的另一种测验统计方法的流程示意图；
图17是本申请实施例提供的一种测验统计装置的结构示意图；
图18是本申请实施例提供的另一种测验统计装置的结构示意图；
图19是本申请实施例提供的一种测验统计设备的结构示意图。
具体实施方式
本申请实施例技术方案适用于对答题者进行测验并对测验结果进行统计的应用场景，采用本申请实施例技术方案，可以实现对答题者学习情况的自动统计。
图1示出了本申请实施例技术方案适用的一种应用场景示意图，该应用场景展示了一种测验系统，在该系统中，答题者终端与测验者终端均与系统服务器连接，该系统服务器可以是台式服务器、机柜式服务器、通用型服务器、专用服务器、云端服务器等，该系统服务器作为中央处理器件，通过执行本申请实施例提出的测验统计方法，实现对测验数据的自动统计。
图1中所示的测验者终端，即为测验者所使用的终端设备，例如可以是计算机、智能移动终端等。上述的测验者，是指组织测验并对测验结果进行统计、分析的用户，例如可以是教师、考官等。
上述的答题者终端，即为被测验者所使用的终端设备，其也可以是计算机、智能移动终端等。上述的被测验者，又可称为答题者，是指接受测验者的测验，对测验者指定的题目进行作答的用户，例如可以是学生、参考人员等。
在上述的答题者终端运行答题者客户端，在上述的测试者终端运行测试者客户端，答题者客户端与测试者客户端与系统服务器中的处理程序进行交互，从而实现答题者终端、测验者终端和系统服务器之间的数据交互。
一般情况下，上述的测验者终端的数量为一个，而上述的答题者终端的数量至少为一个，通常为多个。
应当理解，图1所示的测验系统是本申请实施例提出的测验统计方法所适用的一种示例性的硬件系统，在实际实施本申请实施例技术方案时，可以按照本申请实施例介绍，灵活设置应用系统或装置的结构。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图2所示，本申请实施例提出的测验统计方法，包括：
S201、获取测验信息。
其中，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案。
具体的，上述的测验图像，是指测验者利用终端设备对纸质的待作答题目进行扫描得到的图像，例如可以是对试卷、练习册，或者是测验者手写的题目进行扫描得到的图像。上述的扫描处理，包括但不限于是电子扫描或拍照等成像处理。
例如，教师利用终端设备对练习册中特定的练习题目进行拍照，得到如图3所示的测验图像，在该测验图像中的全部或部分练习题目即作为待作答题目。
上述的测验答案，是对应测验图像中的待作答题目的答案。该测验答案可以是测验者通过终端设备输入的测验答案文本，也可以是由测验者手写然后利用终端设备拍照得到测验答案图像。
示例性的，如图4所示，教师针对图3所示的测验图像中的待作答题目，在纸上手写待作答题目的答案，然后对手写的待作答题目的答案进行拍照得到测验答案图像。
在测验者分别得到图3和图4所示的测验图像和测验答案后，通过终端设备上的测验者客户端分别上传至系统服务器，则系统服务器可以获取到测验者客户端上传的测验图像和测验答案。
需要说明的是，测验者可以在分别获取上述的测验图像和测验答案后，通过测验者终端同时上传至系统服务器，也可以利用终端设备先后分别获取测验图像以及测试答案并分别上传至系统服务器。
S202、向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；
具体的，当系统服务器接收到测验者终端上传的测验图像时，将接收的测验图像推送至各个答题者终端上的答题者客户端。
例如当教师从练习册中选择了测验题目并且拍照得到测验图像后，可以进一步选择测验图像的推送目标，也就是选择测验班级，如图5所示，当教师选择完成后，即可将测验图像上传至系统服务器。系统服务器根据教师选择的推送目标班级，将测试图像推送至相应班级的学生客户端。
另一方面，测验者在通过终端设备上的测验者客户端上传测验答案时，可以同时设置答案展示条件，例如设置在预设的时间点展示答案，或者设置当答题者确认作答完毕时展示答案等。或者，系统服务器也可以内置答案展示条件。该答案展示条件可以是一项或多项。
则，系统服务器在确认满足答案展示条件时，向答题者客户端推送上述的测验答案。
当答题者通过答题者客户端获取到测验图像时，对测试图像中的待作答题目进行纸质作答。例如，假设上述的测试图像是教师上传的如图3所示的对练习册第27页进行拍照得到的图像，则学生在客户端如图6所示的显示页面上查看到该图像后，在自己的练习册上，对练习册第27页上的相应题目进行作答。或者，假设上述的测试图像是教师上传的自己独有的试卷的扫描图像或者是教师自己手写的测试题目的图像，则学生在客户端查看到该图像后，可以在空白练习纸上书写对应图像中的待作答题目的作答内容。
进一步的，当后台系统向答题者客户端推送上述的测试答案后，答题者可以根据接收到的测试答案，对自己的作答内容进行批阅。
S203、获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
具体的，上述的作答内容批阅信息，是指答题者对照系统服务器展示的测验答案，对自己的作答内容进行批阅的信息，该批阅信息包括但不限于是作答内容正确与否的判断信息、作答错误的错误原因等。
本申请实施例设定，当答题者完成对自己作答内容的批阅后，将批阅信息上传至系统服务器。
示例性的，答题者可以直接对自己的纸质作答内容进行批阅，然后对批阅后的纸质作答内容进行拍照上传，系统服务器可以识别、提取答题者上传的图像中的作答内容批阅信息；或者，答题者也可以直接在客户端的测试图像上标记对自己作答内容的批阅信息并提交给系统服务器；或者，答题者可以直接以文本的形式在客户端输入对应各个题目的作答内容的批阅信息并提交给系统服务器。
本申请并不对上述的作答内容批阅信息的具体形式，以及答题者上传作答内容批阅信息的方式进行限定。
当系统服务器接收到答题者上传的作答内容批阅信息后，基于接收的作答内容批阅信息进行测验数据统计。
示例性的，对应于上述测试图像中的每一道待作答题目，系统服务器分别统计作答错误的人数，从而统计得到每一道题目的错误率；或者，对应每一个答题者，分别统计其作答错误的题目和作答正确的题目，从而统计得到其测验得分、学习情况等。
例如，假设上述的答题者为某一班级所有学生，则系统服务器在接收到该班级学生上传的作答内容批阅信息后，可以以每一道题目为统计对象，统计每一道待作答题目的作答错误学生数量，从而确定该班级对应该题目的作答错误率；或者，系统服务器也可以以该班级每一个学生为统计对象，统计该学生作答的所有题目中的作答正确题目和作答错误题目，从而确定该学生的测验得分或统计该学生的作答错误率。
进一步的，系统服务器在得到上述的测验数据统计结果后，可以进一步将该统计结果推送至测验者客户端，以便测验者客户端根据接收的测验数据统计结果了解被测验者的学习情况。
其中，系统服务器可以以图表、数据等形式表示上述的测验数据统计结果。
通过上述介绍可见，本申请实施例提出的测验统计方法以系统服务器等作为执行主体，按照本申请提出的测验统计方法，该执行主体在获取测验图像和测验答案后，向答题者客户端推送测验图像，并且在满足答案展示条件时向答题者客户端推送测验答案，以便答题者根据测验答案自主批阅作答内容，并将作答内容批阅信息上传至上述执行主体；最后，上述执行主体根据接收的作答内容批阅信息进行测验数据统计。上述处理过程实现了由上述的执行主体自动进行测验数据统计，将其应用于学情测验场景中，可以减轻测验者的工作量，降低测验统计过程的人力消耗。
通过上述介绍可以理解，本申请提出的测验统计方法需要测验者终端、答题者终端和系统服务器交互实现。下面以图7为例，介绍本申请提出的测验统计方法的示例性的具体处理过程。
参见图7所述，本申请实施例提出的测验统计方法，包括：
S701、测验者通过测验者客户端向系统服务器上传测验信息。
其中，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案。
示例性的，测验者通过终端设备对纸质的待作答题目进行拍照得到如图3所示的测验图像，以及，测验者对应测验图像中的待作答题目在空白纸张上书写各个待作答题目的答案并对书写的答案进行拍照得到图4所示的测验答案。
然后，测验者通过终端设备上运行的测验者客户端将上述的测验图像和测验答案上传至系统服务器。
进一步的，本申请实施例设定，在上述的测验信息中，还可以包括测验者设定的答案展示条件以及测验要求信息。
其中，上述的答案展示条件，是指测验者设定的展示上述的测验答案的条件。示例性的，该答案展示条件可以是一项条件或多项条件，例如可以是满足设定时间条件和/或满足设定的事件条件，比如到达预设的时间点才展示答案，或者是确认答题者作答完毕时才展示答案等。
作为一种优选的实现方式，本申请实施例设定，上述的答案展示条件具体包括：接收到答题者上传的作答图像，即，当接收到答题者上传的作答图像后，方可将该测验答案展示给该答题者。
其中，上述的作答图像包括答题者对纸质的待作答题目作答后扫描得到的图像。例如图8所示的图像，即为学生对教师指定的待作答题目进行作答后扫描得到的图像，该图像即可作为上述的作答图像。
上述的测验要求信息，是指测验者规定的测验要求的信息，例如测验者规定答题者对测验图像中的哪些题目进行作答、哪些题目不作答，或者测验者指定答题者何时对测验图像中的待作答题目进行作答、何时将作答内容评阅信息上传至系统等。
示例性的，测验者可以直接以文本的形式将上述的答案展示条件以及上述的测验要求信息上传至系统服务器，例如可以直接在答题者客户端填写或选择答案展示条件和测验要求信息。
S702、系统服务器获取测验信息。
S703、系统服务器分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记。
具体的，上述的作答区域，是指题目中所包含的需要填写作答内容的区域。
本申请实施例设定，当系统服务器接收到测验者上传的测验图像时，首先对测验图像中的各个作答区域进行识别，并对识别到的各个作答区域进行标记。
如图9所示，系统服务器对教师上传的图3所示的测验图像进行作答区域识别及标记，得到作答区域标记结果。
可以理解，上述对作答区域进行标记，也可以按照除图9所示的形式之外的其他形式进行标记，例如通过填充颜色标记、高亮标记等。
作为一种优选的实现方式，本申请实施例设定，当系统服务器识别测验图像中的作答区域时，以测验者上传的测验要求信息为依据进行识别，即，根据所述测验要求信息，分别识别测验图像中的各个作答区域。
示例性的，假设教师针对图3所示的测验图像，只提出要求对其中的某些题目进行作答，则当系统服务器识别上述的测验图像中的作答区域时，首先理解教师提出的测验要求规定了对哪些题目进行作答，然后针对所确定的主要作答的题目进行作答区域识别，而对于教师未指定作答的题目，则不再识别其作答区域。
或者，系统服务器也可以先识别测验图像中的所有作答区域，然后根据测验要求信息，去除测验要求信息规定的不需要作答的题目的作答区域标记。
S704、系统服务器接收测验者对标记的所述各个作答区域的更改操作。
具体的，当系统服务器识别并标记上述测验图像中的作答区域后，该标记有作答区域的测验图像在答题者客户端显示，此时，答题者可以通过答题者客户端针对系统服务器的标记结果进行更改操作，例如去除某些不需要作答的作答区域的标记、或者对识别遗漏的作答区域添加标记等。
S705、系统服务器基于接收的更改操作，在测验图像中对更改后的各个作答区域进行标记。
具体的，系统服务器在接收到测验者对上述测验图像中的作答区域的更改操作后，根据测验者的更改操作，在测验图像中对更改后的各个作答区域进行标记。
例如，假设测验者对测验图像中遗漏的作答区域进行了补充标记，则系统服务器在测验图像中对测验者添加的作答区域，以及原本已识别到的作答区域同时进行标记显示。
当测验者确认测验者客户端显示的测验图像中的作答区域标记无误时，可以通过点击确认按钮等进行确认，此时系统服务器确定已完成对测验图像中的作答区域的识别和标记。
需要说明的是，如果测验者对于系统服务器识别并标记的作答区域无异议，则可以直接确认向答题者推送上述的测验图像，此时上述步骤S704、S705可以跳过不执行。
S706、系统服务器向答题者客户端推送所述测验图像。
具体的，系统服务器向答题者客户端推送的测验图像，具体是如图9所示的，已经标记各个作答区域的测验图像。
可以理解，当答题者通过答题者客户端查看测验图像时，可以直接查看到图像中标记的作答区域，由此更直观地确定需要作答的题目。
对照上述测验图像，答题者对其中的待作答题目进行纸质作答。
例如，当上述的测验图像为教师上传并经过系统服务器处理的图9所示的测验图像时，系统服务器将该测验图像推送至学生客户端；学生通过学生客户端查看到该测验图像后，在自己的练习册上的相同页面对应测验图像中标记的作答区域进行作答。
S707、答题者通过答题者客户端将作答图像上传至系统服务器。
具体的，当答题者对照答题者客户端上显示的测验图像完成待作答题目的纸质作答后，对作答结果进行扫描或拍照得到作答图像，并通过答题者客户端将作答图像上传至系统服务器。
例如图8所示，学生对测验图像对应的练习册页面进行作答后，对作答后的页面进行拍照得到如图8所示的作答图像，并将该作答图像通过答题者客户端端上传至系统服务器。
S708、系统服务器接收到答题者上传的作答图像时，向答题者客户端推送测验答案。
具体的，由于测验者已事先将答案展示条件设定为接收到答题者上传的作答图像，也就是规定当系统服务器接收到答题者上传的作答图像时，向答题者展示测验答案，因此，当系统服务器接收到答题者上传的作答图像时，向答题者客户端推送上述的测验答案。
例如，当学生参照图9所示的测验图像完成对练习册相应页面的待作答题目的作答，并且将作答后的页面拍照上传系统服务器后，系统服务器向该学生展示图4所示的测验答案，也就是将图4所示的测验答案推送至该学生客户端。
S709、答题者在上述的测验图像或作答图像上的各个作答区域标注作答内容批阅信息。
具体的，上述的作答内容批阅信息，是指答题者根据测验答案，对自己的作答内容进行批阅的信息，该作答内容批阅信息包括作答内容正确与否的判断信息，或者包括作答内容正确与否的判断信息和错误原因等，即，答题者可以只标注作答内容正确与否的判断信息，也可以既标注作答内容正确与否的判断信息，又针对错误的作答内容标注错误原因。
作为示例性的实现方式，答题者可以在自己拍照上传的作答图像上的各个作答区域分别标注作答内容批阅信息，也可以在系统服务器推送的已标记作答区域的测验图像上的各个作答区域标注作答内容批阅信息，该标注过程均在答题者客户端完成。
作为一种优选的实现方式，本申请实施例设定答题者在系统服务器推送的已标记作答区域的测验图像上的各个作答区域标注作答内容批阅信息，并且，该作答内容批阅信息包括作答内容正确与否的判断信息，以及作答错误的作答内容的错误原因。
例如图10所示，学生在已标记作答区域的测验图像上的各个作答区域，以添加标签的形式标注作答内容批阅信息，对于作答错误的作答区域，学生将相应的错误原因标签添加到该作答区域。
S710、答题者将在各个作答区域标注有作答内容批阅信息的测验图像或作答图像上传至系统服务器。
具体的，答题者通过答题者客户端，将标注有作答内容批阅信息的测验图像或作答图像上传至系统服务器。
S711、系统服务器接收各个答题者上传的、在各个作答区域标注有作答内容批阅信息的测验图像或作答图像。
例如，教师选择测验的某个班级的各个学生，参照上述步骤S707～S710的介绍，分别接收系统服务器推送的测验图像、对照测验图像在练习册上进行作答、对照测验答案对作答内容进行批阅、将标注有作答内容批阅信息的测验图像或作答图像上传至系统服务器。
则在系统服务器一侧，可以接收到该班级各个学生上传的、在各个作答区域标注有作答内容批阅信息的测验图像或作答图像。
S712、系统服务器分别从接收的测验图像或作答图像的各个作答区域提取得到作答内容批阅信息。
示例性的，系统服务器分别识别每一个答题者上传的测验图像或作答图像中的各个作答区域，然后，对应于每一个作答区域，分别提取该作答区域中标注的作答内容批阅信息。
例如，对于学生甲上传的测验图像或作答图像，系统服务器分别识别图像中的各个作答区域，以及提取识别到的各个作答区域中标注的作答内容批阅信息；
对于学生乙上传的测验图像或作答图像，系统服务器分别识别图像中的各个作答区域，以及提取识别到的各个作答区域中标注的作答内容批阅信息。
以此列推，对于各个学生上传的测验图像或作答图像，均可以提取得到其中的各个作答区域中标注的作答内容批阅信息。
可以理解，通过上述步骤S711、S712的处理，系统服务器可以获取到各个答题者上传的作答内容批阅信息。
S713、系统服务器根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
示例性的，对应于各个测验者上传的测验图像中的同一个作答区域，系统服务器分别统计在该作答区域作答错误的答题者数量。
参见图11所示，对于测验图像中的“一、看拼音，写词语”题目中的第三个作答区域，系统服务器统计已上传作答内容批阅信息的各个学生中、在该作答区域处标注有作答内容错误信息的学生数量，假设统计确定有7个学生在该作答区域处作答错误，则系统服务器在该作答区域的标记旁标记数字“7”，用于表示有7个学生在该作答区域作答错误。
参照图11所示，系统服务器可以针对测验者上传的测验图像中的每个作答区域，分别统计作答正确和/或作答错误的答题者数量。
进一步的，当各个答题者上传的作答内容批阅信息中还包括错误原因时，系统服务器进行测验数据统计时，还可以进一步统计每个作答区域作答错误的错误原因。
例如图11所示，假设系统服务器统计确定有7个学生在图中所示的作答区域处作答错误，则当该7个学生提交的作答内容批阅信息中还标注有错误原因时，系统服务器还可以进一步对该7个学生在该作答区域作答错误的错误原因进行统计，例如可能统计得到“5个学生不会，2个学生有疑问”等统计结果。
需要说明的是，由于答题者上传作答内容批阅信息的先后顺序不同，因此，系统服务器的测验数据统计过程也是持续进行的，每当获取到新的答题者上传的作答内容批阅信息时，系统服务器对已经统计完成的测验数据进行一次更新，直到完成对所有答题者的测验数据统计。
另一方面，在进行测验数据统计的过程中，或者在完成测验数据统计之后，系统服务器还可以将测验数据统计结果推送至测验者客户端，使测验者可以获取到测验数据统计结果。
作为另一种示例性的实现方式，本申请实施例设定，系统服务器还根据各个答题者上传的作答内容批阅信息，分别统计每个答题者作答错误的题目。
具体的，系统服务器在接收到每个答题者上传的作答内容批阅信息后，对应每一个答题者，分别根据该答题者上传的作答内容批阅信息，统计其作答错误的题目。
例如，假设某一学生上传了图10所示的标注有作答内容批阅信息的测验图像，则系统服务器对该图像中所有的标注作答错误的作答区域所对应的题目进行统计。
可以理解，对答题者作答错误的题目的统计，可以反映答题者对知识点学习的薄弱环节。
在统计各个答题者的作答错误的题目的基础上，本申请实施例设定，系统服务器还进一步进行如下处理：
S714、系统服务器向答题者推送测验题目。
其中，上述的向答题者推送测验题目的处理过程具体为：
对应每个答题者，尤其是每个作答内容有错误的答题者，分别执行以下操作：
从预设的测验题目数据库中，检索得到与该答题者作答错误的题目相关的测验题目；
然后，将检索得到的测验题目推送至与该答题者对应的客户端。
具体的，系统服务器根据答题者作答错误的题目，从测验题目数据库中检索与作答错误的题目属于相同知识点、并且相类似的测验题目，并将检索得到的测验题目推送至该答题者客户端。
系统服务器向答题者推送测验题目，可以使答题者进一步对作答错误的题目知识点进行巩固练习。
例如，假设某学生对基于知识点A的填空题作答错误，则系统服务器从测验题目数据库中检索得到基于知识点A的其他填空题并推送给该学生，该学生对推送的题目进行作答，可以加强对知识点A的学习、巩固。
作为一种示例性的实现方式，本申请实施例还提出了上述的系统服务器分别识别测验图像中的各个作答区域的具体实现方式。
在该实现方式中，系统服务器分别识别测验图像中的各个作答区域，具体包括：
首先，将测验图像输入预先训练的像素分类模型，确定该测验图像中的作答区域像素和非作答区域像素；
然后，根据测验图像中的作答区域像素，确定测验图像中的各个作答区域。
其中，上述的像素分类模型，是指能够将输入的测验图像中的像素分类为作答区域像素和非作答区域像素的模型。为了提高对像素的分类精度，本申请实施例对上述的像素分类模型进行训练，使其能够通过提取测验图像的全局语义特征学习测验图像中的作答区域和非作答区域的关联性和差异性，然后基于学习的作答区域和非作答区域的关联性和差异性，识别测验图像中的作答区域像素和非作答区域像素。
考虑到测验者上传的是拍照或扫描得到的测验图像，尽管在拍照或扫描的时候，测验者会尽量保证图像中的文本呈水平状态，但难免有些文字较为倾斜的情况发生。另外，如图9所示，测验图像中的作答区域的大小不一，若采用通用的目标检测方案，对面积很小或很大的作答区域的检测效果较差。为此，本申请实施例采用基于分割的目标检测算法构建像素分类模型。
为了保证对测验图像中的较大作答区域的检测，拥有足够大的感受野对于基于分割的作答区域检测至关重要。对此，本申请实施例采用deeplabv3+作为特征提取网络，用于提取测验图像的全局语义特征，该网络的结构如图12所示。网络中的ASPP模块为网络提供了足够大的感受野，同时能够学习图像的全局语义信息，这对获取精确分割结果至关重要。
本申请实施例提出的像素分类模型基于上述的deeplabv3+网络构建得到。参见图13所示，该像素分类模型包括输入层、特征提取层、特征处理层、输出层。
其中，上述的输入层用于将获取的测验图像输入特征提取层，其中可以包含对测验图像的预处理、分割处理等。
特征提取层包括上述的deeplabv3+网络的大部分结构，用于提取输入层输入的测验图像的全局语义特征。上述的deeplabv3+网络提取图像的全局语义特征的处理过程可参见现有技术中常见的deeplabv3+网络提取图像全局语义特征的处理过程，本申请实施例不再赘述。
与常见的目标检测不同的是，测验图像中的作答区域的检测严格依赖于其上下文信息。例如图9中带拼音的括号作答区域，若不考虑其先后语境，很难将其判断为作答区域。
为了解决上述问题，本申请实施例在像素分类网络的特征提取层之后添加特征处理层，用于对特征提取层提取得到的全局语义特征进行更进一步的处理，使其更利于区分图像中的作答区域。
示例性的，本申请实施例利用水平方向和竖直方向的双向GRU构建上述的特征处理层，与上述的特征提取层连接，用于对特征提取层输出的全局语义特征进行处理。
参见图13所示可以理解，上述的特征处理层的增加，实际上是在原有的deeplabv3+网络的基础上进行改进，引入双向GRU作为特征处理层，用于学习区域之间的关联性。原有的deeplabv3+网络在特征融合得到全局语义特征后，经过输出层进行3×3卷积和4倍上采样得到最后的分割结果。而在本申请实施例中，对原有deeplabv3+网络特征融合后得到的全局语义特征进一步处理，即添加由两个并行的分支—水平方向双向GRU和竖直方向双向GRU构成的特征处理层，以学习作答区域与相邻文字间的关联性和差异性，从而解决作答区域误检和漏检问题。
以图9中作答区域为例，题“一、看拼音，写词语。”中拼音下方括号判断为作答区域需要依赖于掌握有拼音的存在，竖直方向的双向GRU能够在竖直方向上对各目标的特征进行建模寻找空间上的联系和区别。同样的，如图9中“张牙舞爪(zhao zhua)”中的带拼音括号区域，需要依赖“张牙舞爪”判断其为作答区域，此时水平方向的双向GRU负责学习它们之间的关系。
因此，上述的特征处理层的添加，可以使得对特征的水平方向和竖直方向的区分更加具体、细腻，有利于根据特征对图像像素进行准确分类。
其中，上述的水平方向双向GRU和竖直方向双向GRU的具体处理过程如图14所示。
以水平方向的双向GRU为例，假设待处理的全局语义特征图尺寸为N*C*H*W，首先将特征图在宽度W的维度上进行切分，也就是沿竖直方向进行切分，得到W个N*C*H维的特征图；然后按照从左到右的顺序将这W个N*C*H维的特征图排序，同时将每一个N*C*H维的特征图展开成为一个列向量，即得到W维的列向量序列，把列向量序列中的各个列向量按照排列顺序依次输入到水平方向的双向GRU中，这样每一个列向量经过水平方向的双向GRU处理之后都能得到一个经过处理的列向量输出，最终将输出的列向量重新组织成N*C*H维度的特征，并按照输出的先后顺序在W维度上进行拼接得到N*C*H*W的特征图。
竖直方向双向GRU处理过程与水平方向双向GRU相似，区别在于特征图切分方式上，竖直方向双向GRU按照高度H的维度上进行切分，也就是沿水平方向进行切分。
经过水平方向和竖直方向的双向GRU处理之后，能够得到两个N*C*H*W维的特征图。为了综合两个方向上文字间关联信息，将两个分支提取的特征图进行融合。其中，两个特征图融合的方式有两种：1、两个特征图在深度C维度上进行拼接，得到一个N*2C*H*W的特征图；2、两个特征图进行像素级相加，对应位置的元素直接相加，得到一个N*C*H*W的特征图。
最终，上述处理后的全局语义特征进入输出层，输出层对该特征图经过3x3卷积后4倍上采样，并进行逐像素分类，获得最终分割图。
在输出层的上述处理中，只需要分割出作答区域和非作答区域即可，因此输出层对全局语义特征图进行逐像素点二分类，将测验图像中的像素分为做到区域像素和非作答区域像素。
示例性的，在模型训练好进行使用时，首先将测验者上传的测验图像输入上述的像素分类模型，得到作答区域分割图，也就是确定测验图像中的作答区域像素和非作答区域像素，此时分割图上每个像素要么为类别0(非作答区域)，要么为类别1(作答区域)。
在此基础上，根据测验图像中的作答区域像素，也就是测验图像中的类别为1的像素，通过求取其连通图，可以确定测验图像中的各个作答区域。
本申请实施例还提出另一种测验统计方法，该方法同样可应用于图1所示的测验系统中的系统服务器。
参见图15所示，该方法包括：
S1501、获取测验信息。
其中，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案。
具体的，上述的测验图像和测验答案，与图7所示的方法实施例中所述的测验图像和测验答案相同，具体是指测验者对纸质待作答题目进行拍照或扫描得到的图像，以及测验者给出的测验答案。
另外，参照图7所示的方法实施例的介绍，上述的测验信息还可以包括答案展示条件和测验要求信息，其具体内容可参加图7所示的方法实施例的内容，此处不再赘述。
S1502、向答题者客户端推送所述测验图像。
具体的，系统服务器将测验者上传的测验图像推送至各个答题者客户端，使答题者接收到测验图像，并根据测验图像中的待作答题目进行纸质作答。
在答题者完成对待作答题目的纸质作答后，对纸质作答结果进行拍照、扫描等得到作答图像，并将作答图像通过答题者客户端上传至系统服务器。
S1503、获取各答题者上传的作答图像。
上述的作答图像，即为答题者对自己纸质作答的作答结果进行扫描、拍照等得到的图像。答题者通过答题者客户端将作答图像上传至系统服务器，相应的，系统服务器可接收到答题者上传的作答图像。
S1504、基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计。
具体的，系统服务器在接收到答题者上传的作答图像后，根据测验者上传的测验答案，对答题者上传的作答图像中的作答内容进行批阅，进而根据对答题者上传的作答图像中的作答内容的批阅信息，进行测验数据统计。
上述的测验答案，可以示例性的是图4所示的测验答案图像，或者是测验者直接在待作答题目页面上填写正确答案后拍照或扫描得到的图像，也可以是测验者直接通过测验者客户端输入的答案内容等。
系统服务器在完成对答题者上传的作答图像中的作答内容的批阅后，根据批阅信息进行测验数据统计的过程，可以参见图7所示的测验数据统计过程实现，此处不再重复。
与图7所示的测验统计方法所不同的是，本申请实施例由系统服务器自动根据测验者上传的测验答案对答题者上传的作答图像中的作答内容进行批阅，进而根据批阅信息进行测验数据统计。
可以理解，本申请实施例提出的测验统计方法的自动化程度更高，测验者只需要上传测验图像和测验答案，答题者只需在完成对待作答题目的作答后拍照上传即可，系统服务器能够自动根据答题者上传的作答图像和测验者上传的测验答案完成对答题者作答内容的批阅，以及根据批阅结果进行测验数据统计。该方案可以同时减轻测验者和答题者在测验统计过程中的工作压力。
示例性的，本申请实施例还公开了应用于图1所示的测验系统的上述测验统计方法的具体处理过程，同样的，该测验统计过程由测验者终端、答题者终端和系统服务器交互实现。
参见图16所示，本申请实施例提出的测验统计方法具体包括：
S1601、测验者通过测验者客户端向系统服务器上传测验信息。
S1602、系统服务器获取测验信息。
S1603、系统服务器分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记。
S1604、系统服务器接收测验者对标记的所述各个作答区域的更改操作。
S1605、系统服务器基于接收的更改操作，在测验图像中对更改后的各个作答区域进行标记。
S1606、系统服务器向答题者客户端推送所述测验图像。
S1607、答题者通过答题者客户端将作答图像上传至系统服务器。
具体的，上述步骤S1601～S1607，分别与图7所示的方法实施例中的步骤S701～S707对应，其具体处理内容可参见图7所示的方法实施例的内容，此处不再赘述。
S1608、系统服务器获取答题者上传的作答图像。
具体的，上述的作答图像，即为答题者对测验图像中的待作答题目进行纸质作答后，对作答结果进行拍照或扫描得到的图像。答题者将其作答图像通过答题者客户端上传至系统服务器时，系统服务器可以接收到该答题者上传的作答图像。
S1609、系统服务器根据各个答题者上传的作答图像和测验答案，生成对应各个答题者的作答内容的批阅信息。
其中，上述的批阅信息，包括作答内容正确与否的判断信息，即对作答内容正确与否的判断结果。
示例性的，系统服务器在生成对应各个答题者的作答内容的批阅信息时，可以参照图10所示，在测验图像中的作答区域标注对答题者的作答内容的批阅信息，或者，也可以直接在图8所示的答题者作答图像上的作答区域直接标注对答题者作答内容的批阅信息，或者，系统服务器也可以直接以文本的形式记录对各个答题者的作答内容的批阅信息。
其中，系统服务器根据各个答题者上传的作答图像和测验答案，生成对应各个答题者的作答内容的批阅信息的具体处理过程为：
首先，分别识别各个答题者上传的作答图像中的各个作答区域。
该识别过程与上述实施例介绍的作答区域识别过程相同，也是利用预先训练的像素分类模型实现，该像素分类模型的结构和功能，以及具体的作答区域识别过程，均可以参照上述实施例介绍实现。
然后，对应于每个作答区域，分别执行以下操作：
确定各个答题者上传的作答图像中的、对应该作答区域的作答内容；
通过将各个答题者上传的作答图像中的、对应该作答区域的作答内容，与对应该作答区域的测验答案进行对比，确定各个答题者上传的作答图像中的、对应该作答区域的作答内容的批阅信息。
具体的，系统服务器将各个答题者在作答区域的作答内容，与对应该作答区域的测验答案进行对比，确定答题者的在该作答区域的作答内容正确与否，从而对答题者在该作答区域的作答内容进行批阅。
S1610、系统服务器向答题者客户端推送对应的作答内容的批阅信息和所述测验答案。
具体的，系统服务器在分别完成对每个答题者的作答内容的批阅后，对应每个答题者，将对其作答内容的批阅信息以及测验者上传的测验答案，推送至该答题者的答题者客户端。
示例性的，系统服务器将图10所示的标注有作答内容批阅信息的测验图像推送至答题者客户端。
S1611、答题者对接收的作答内容批阅信息进行修改操作。
示例性的，对于客观题目，例如判断题、选择题等，系统服务器可以准确地进行批阅，但是对于主观题，例如图3所示的第四题，教师给出的答案本身就是比较灵活的，此时如果严格按照教师举例说明的答案对答题者的作答内容进行批阅，难免会有批阅错误的情况。
针对上述情况，本申请实施例设定，当系统服务器将对答题者的作答内容的批阅信息和测验答案推送给答题者时，答题者可以结合接收的测验答案，通过答题者客户端对接收的作答内容批阅信息进行修改。
S1612、系统服务器根据接收到的答题者修改操作，对该修改操作对应的作答内容的批阅信息进行修改。
具体的，当答题者对系统服务器自动标注的作答内容批阅信息进行修改后，系统服务器根据答题者的修改操作，对相应的作答内容的批阅信息进行修改。
当系统服务器向答题者客户端推送的作答内容批阅信息无误时，答题者无需执行修改操作，此时上述步骤S1611和S1612可跳过不执行。
S1613、答题者通过答题者客户端在错误的作答内容处添加错误原因标签。
示例性的，答题者通过答题者客户端接收到系统服务器推送的标注有作答内容批阅信息的图像后，对应图像中的各个作答区域，在错误的作答内容所处的作答区域处添加错误原因标签，得到如图10所示的标注结果。
在完成错误原因标注后，答题者将标注后的图像通过答题者客户端再上传至系统服务器。
S1614、系统服务器获取答题者在错误的作答内容处添加的错误原因标签。
示例性的，答题者在图10所示的图像中添加错误原因标签后，再将该图像上传至系统服务器，系统服务器从每个错误的作答内容处提取、识别错误原因标签，即获取了答题者标注的错误原因。
至此，系统服务器通过自动批阅确定了对答题者作答内容的批阅信息，而且通过答题者客户端获取到了答题者标注的错误原因。
S1615、系统服务器基于对应各个答题者的作答内容的批阅信息和各个答题者标注的错误原因进行测验数据统计。
示例性的，系统服务器进行测验数据统计时，可以只统计每个作答区域的作答错误答题者数量，此时，系统服务器根据步骤S1609生成的对应各个答题者的作答内容的批阅信息进行统计即可，上述步骤S1610～S1614的处理可以跳过不执行。
或者，当上述步骤S1610～S1614被执行时，系统服务器可以同时统计每个作答区域作答错误的答题者数量，以及答题者错误原因。
另一方面，系统服务器也可以针对每个答题者，分别统计其作答正确与作答错误的题目数量，进而确定其测验得分等。
进一步的，系统服务器也可以针对答题者作答错误的题目，从测验题目数据库中检索得到相关的题目并推送给答题者，以便答题者加强练习。
上述的测验数据统计的具体处理内容，可以参见图7所示的方法实施例的内容，此处不再一一详述。
与上述的测验统计方法相对应的，本申请实施例还提出一种测验统计装置，参见图17所示，该装置包括：
第一信息获取单元001，用于获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
第一数据推送单元002，用于向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；
第一数据统计单元003，用于获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
本申请实施例提出的测验统计装置在第一信息获取单元001获取测验图像和测验答案后，第一数据推送单元002向答题者客户端推送测验图像，并且在满足答案展示条件时向答题者客户端推送测验答案，以便答题者根据测验答案自主批阅作答内容，并将作答内容批阅信息上传至上述执行主体；最后，第一数据统计单元003根据接收的作答内容批阅信息进行测验数据统计。上述处理过程实现了由上述的执行主体自动进行测验数据统计，将其应用于学情测验场景中，可以减轻测验者的工作量，降低测验统计过程的人力消耗。
作为一种示例性的实现方式，所述获取各个答题者上传的作答内容批阅信息，包括：
接收各个答题者上传的、在各个作答区域标注有作答内容批阅信息的测验图像或作答图像；其中，所述作答图像包括对纸质待作答题目作答后的扫描图像；
分别从接收的测验图像或作答图像的各个作答区域提取得到作答内容批阅信息。
作为一种示例性的实现方式，所述答案展示条件包括接收到答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像。
作为一种示例性的实现方式，所述作答内容批阅信息，包括：
作答内容正确与否的判断信息；
或，
作答内容正确与否的判断信息和错误原因。
作为一种示例性的实现方式，在答题者客户端展示所述测验图像之前，所述方法还包括：
分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记；
则，所述向答题者客户端推送所述测验图像，包括：
向答题者客户端推送标记各个作答区域的所述测验图像。
作为一种示例性的实现方式，所述测验信息还包括测验要求信息；
则所述分别识别所述测验图像中的各个作答区域，包括：
根据所述测验要求信息，分别识别所述测验图像中的各个作答区域。
作为一种示例性的实现方式，所述分别识别所述测验图像中的各个作答区域，包括：
将所述测验图像输入预先训练的像素分类模型，确定所述测验图像中的作答区域像素和非作答区域像素；
其中，所述像素分类模型能够通过提取测验图像的全局语义特征确定作答区域与非作答区域的关联性和差异性，并根据作答区域与非作答区域的关联性和差异性，识别测验图像中的作答区域像素和非作答区域像素；
根据所述测验图像中的作答区域像素，确定所述测验图像中的各个作答区域。
作为一种示例性的实现方式，所述像素分类模型包括：
输入层、特征提取层、特征处理层、输出层；
其中，所述特征提取层用于提取输入层输入的测验图像的全局语义特征；
所述特征处理层，用于对所述全局语义特征分别进行竖直方向和水平方向的向量划分得到列向量序列和行向量序列；分别将所述列向量序列输入水平方向的双向GRU进行处理，以及将所述行向量序列输入竖直方向的双向GRU进行处理；将所述水平方向的双向GRU以及所述竖直方向的双向GRU的处理结果进行融合处理，得到处理后的全局语义特征；
所述输出层用于通过对所述处理后的全局语义特征进行卷积和采样处理，确定并输出对测验图像的像素分类结果。
作为一种示例性的实现方式，在分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记后，所述方法还包括：
接收对所述各个作答区域的更改操作；
基于接收的更改操作，在所述测验图像中对更改后的各个作答区域进行标记。
作为一种示例性的实现方式，所述根据各个答题者上传的作答内容批阅信息，进行测验数据统计，包括：
根据各个答题者上传的作答内容批阅信息，分别统计每个答题者作答错误的题目。
作为一种示例性的实现方式，所述方法还包括：
对应每个答题者，分别执行以下操作：
从预设的测验题目数据库中，检索得到与该答题者作答错误的题目相关的测验题目；
将检索得到的测验题目推送至与该答题者对应的客户端。
本申请实施例还提出另一种测验统计装置，参见图18所示，该装置包括：
第二信息获取单元011，用于获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
第二数据推送单元012，用于向答题者客户端推送所述测验图像；
图像接收单元013，用于获取各答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像；
第二数据统计单元014，用于基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计。
应用本申请实施例提出的测验统计装置，测验者只需要上传测验图像和测验答案，答题者只需在完成对待作答题目的作答后拍照上传即可，第二数据统计单元004能够自动根据答题者上传的作答图像和测验者上传的测验答案完成对答题者作答内容的批阅，以及根据批阅结果进行测验数据统计。该方案可以同时减轻测验者和答题者在测验统计过程中的工作压力。
与上述的测验统计方法和装置相对应的，本申请实施例还提出一种测验统计设备，参见图19所示，该设备包括：
存储器200和处理器210；
其中，所述存储器200与所述处理器210连接，用于存储程序；
所述处理器210，用于通过运行所述存储器200中存储的程序，实现上述任一实施例提供的测验统计方法。
具体的，上述车载蓝牙通讯处理设备还可以包括：总线、通信接口220、输入设备230和输出设备240。
处理器210、存储器200、通信接口220、输入设备230和输出设备240通过总线相互连接。其中：
总线可包括一通路，在计算机系统各个部件之间传送信息。
处理器210可以是通用处理器，例如通用中央处理器(CPU)、微处理器等，也可以是特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
处理器210可包括主处理器，还可包括基带芯片、调制解调器等。
存储器200中保存有执行本申请技术方案的程序，还可以保存有操作系统和其他关键业务的程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。更具体的，存储器200可以包括只读存储器(read-only memory，ROM)、可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory，RAM)、可存储信息和指令的其他类型的动态存储设备、磁盘存储器、flash等等。
输入设备230可包括接收用户输入的数据和信息的装置，例如键盘、鼠标、摄像头、扫描仪、光笔、语音输入装置、触摸屏、计步器或重力感应器等。
输出设备240可包括允许输出信息给用户的装置，例如显示屏、打印机、扬声器等。
通信接口220可包括使用任何收发器一类的装置，以便与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(WLAN)等。
处理器2102执行存储器200中所存放的程序，以及调用其他设备，可用于实现本申请实施例所提供的测验统计方法的各个步骤。
本申请另一实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述任一实施例提供的测验统计方法的各个步骤。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (16)

1.一种测验统计方法，其特征在于，包括：
获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
向答题者客户端推送所述测验图像，以及，当满足答案展示条件时，向答题者客户端推送所述测验答案；
获取各个答题者上传的作答内容批阅信息，并根据各个答题者上传的作答内容批阅信息，进行测验数据统计。
2.根据权利要求1所述的方法，其特征在于，所述获取各个答题者上传的作答内容批阅信息，包括：
接收各个答题者上传的、在各个作答区域标注有作答内容批阅信息的测验图像或作答图像；其中，所述作答图像包括对纸质待作答题目作答后的扫描图像；
分别从接收的测验图像或作答图像的各个作答区域提取得到作答内容批阅信息。
3.根据权利要求1所述的方法，其特征在于，所述答案展示条件包括接收到答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述作答内容批阅信息，包括：
作答内容正确与否的判断信息；
或，
作答内容正确与否的判断信息和错误原因。
5.根据权利要求1至3中任意一项所述的方法，其特征在于，在答题者客户端展示所述测验图像之前，所述方法还包括：
分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记；
则，所述向答题者客户端推送所述测验图像，包括：
向答题者客户端推送标记各个作答区域的所述测验图像。
6.根据权利要求5所述的方法，其特征在于，所述测验信息还包括测验要求信息；
则所述分别识别所述测验图像中的各个作答区域，包括：
根据所述测验要求信息，分别识别所述测验图像中的各个作答区域。
7.根据权利要求5所述的方法，其特征在于，在分别识别所述测验图像中的各个作答区域，并对识别的各个作答区域进行标记后，所述方法还包括：
接收对所述各个作答区域的更改操作；
基于接收的更改操作，在所述测验图像中对更改后的各个作答区域进行标记。
8.根据权利要求1所述的方法，其特征在于，所述根据各个答题者上传的作答内容批阅信息，进行测验数据统计，包括：
根据各个答题者上传的作答内容批阅信息，分别统计每个答题者作答错误的题目。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
对应每个答题者，分别执行以下操作：
从预设的测验题目数据库中，检索得到与该答题者作答错误的题目相关的测验题目；
将检索得到的测验题目推送至与该答题者对应的客户端。
10.一种测验统计方法，其特征在于，包括：
获取测验信息，所述测验信息包括测验图像和测验答案，所述测验图像是对纸质待作答题目的扫描图像，所述测验答案为所述待作答题目的答案；
向答题者客户端推送所述测验图像；
获取各答题者上传的作答图像，所述作答图像包括对纸质待作答题目作答后的扫描图像；
基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计。
11.根据权利要求10所述的方法，其特征在于，所述基于各答题者上传的所述作答图像和所述测验答案进行测验数据统计，包括：
根据各个答题者上传的作答图像和测验答案，生成对应各个答题者的作答内容的批阅信息，所述批阅信息包括作答内容正确与否的判断信息；
至少基于对应各个答题者的作答内容的批阅信息进行测验数据统计。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
分别向各个答题者客户端推送对应的作答内容的批阅信息和所述测验答案，以使答题者对应错误的作答内容标注错误原因；
获取各个答题者标注的错误原因；
则，所述至少基于对应各个答题者的作答内容的批阅信息进行测验数据统计，包括：
基于对应各个答题者的作答内容的批阅信息和各个答题者标注的错误原因进行测验数据统计。
13.根据权利要求11所述的方法，其特征在于，所述获取各个答题者标注的错误原因，包括：
获取各个答题者在错误的作答内容处添加的错误原因标签。
14.根据权利要求11所述的方法，其特征在于，分别向各个答题者客户端推送对应的作答内容的批阅信息后，所述方法还包括：
接收答题者对作答内容的批阅信息的修改操作；
根据接收的修改操作，对该修改操作对应的作答内容的批阅信息进行修改。
15.一种测验统计设备，其特征在于，包括：
存储器和处理器；
其中，所述存储器用于存储程序；
所述处理器，用于通过执行所述存储器中存储的程序，实现如权利要求1至9中任意一项，或如权利要求10至14中任意一项所述的测验统计方法。
16.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现如权利要求1至9中任意一项，或如权利要求10至14中任意一项所述的测验统计方法。
CN201911347234.2A 2019-12-24 2019-12-24 一种测验统计方法、装置、设备及存储介质 Pending CN111126486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911347234.2A CN111126486A (zh) 2019-12-24 2019-12-24 一种测验统计方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911347234.2A CN111126486A (zh) 2019-12-24 2019-12-24 一种测验统计方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111126486A true CN111126486A (zh) 2020-05-08

Family

ID=70500305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911347234.2A Pending CN111126486A (zh) 2019-12-24 2019-12-24 一种测验统计方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111126486A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111785336A (zh) * 2020-07-01 2020-10-16 山东维艾亚生物科技有限公司 一种基于用户辅助的检测信息处理方法及设备、介质
CN111899823A (zh) * 2020-06-11 2020-11-06 上海梅斯医药科技有限公司 一种量表信息处理方法、系统、终端设备和存储介质
CN112052851A (zh) * 2020-09-04 2020-12-08 北京字节跳动网络技术有限公司 答案判定方法、装置、计算机可读介质及电子设备
CN112200230A (zh) * 2020-09-29 2021-01-08 深圳市优必选科技股份有限公司 一种训练板的识别方法、装置及机器人

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
CN105894881A (zh) * 2016-06-29 2016-08-24 姜甦 一种作业自评系统及方法
CN108446768A (zh) * 2018-05-02 2018-08-24 水木天骄（深圳）科技有限公司 一种学生建模的方法和装置
CN109064814A (zh) * 2018-06-27 2018-12-21 深圳中兴网信科技有限公司 试题批阅方法、试题批阅系统和计算机可读存储介质
CN109817046A (zh) * 2019-01-23 2019-05-28 广东小天才科技有限公司 一种基于家教设备的学习辅助方法及家教设备
CN110597806A (zh) * 2019-08-13 2019-12-20 上海建桥学院 一种基于批阅识别的错题集生成与答题统计系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
CN105894881A (zh) * 2016-06-29 2016-08-24 姜甦 一种作业自评系统及方法
CN108446768A (zh) * 2018-05-02 2018-08-24 水木天骄（深圳）科技有限公司 一种学生建模的方法和装置
CN109064814A (zh) * 2018-06-27 2018-12-21 深圳中兴网信科技有限公司 试题批阅方法、试题批阅系统和计算机可读存储介质
CN109817046A (zh) * 2019-01-23 2019-05-28 广东小天才科技有限公司 一种基于家教设备的学习辅助方法及家教设备
CN110597806A (zh) * 2019-08-13 2019-12-20 上海建桥学院 一种基于批阅识别的错题集生成与答题统计系统及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111899823A (zh) * 2020-06-11 2020-11-06 上海梅斯医药科技有限公司 一种量表信息处理方法、系统、终端设备和存储介质
CN111785336A (zh) * 2020-07-01 2020-10-16 山东维艾亚生物科技有限公司 一种基于用户辅助的检测信息处理方法及设备、介质
CN112052851A (zh) * 2020-09-04 2020-12-08 北京字节跳动网络技术有限公司 答案判定方法、装置、计算机可读介质及电子设备
CN112200230A (zh) * 2020-09-29 2021-01-08 深圳市优必选科技股份有限公司 一种训练板的识别方法、装置及机器人
CN112200230B (zh) * 2020-09-29 2023-10-13 深圳市优必选科技股份有限公司 一种训练板的识别方法、装置及机器人

Similar Documents

Publication Publication Date Title
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN110008933B (zh) 一种通用智能阅卷系统和方法
CN111126486A (zh) 一种测验统计方法、装置、设备及存储介质
CN111144191B (zh) 字体识别方法、装置、电子设备及存储介质
US9685095B2 (en) Systems and methods for assessment administration and evaluation
CN110956138B (zh) 一种基于家教设备的辅助学习方法及家教设备
CN107783718B (zh) 一种基于纸质手写的在线作业/考试输入方法及装置
WO2022247823A1 (zh) 图像检测方法、设备和存储介质
CN109710750A (zh) 一种搜题方法及学习设备
CN108052687A (zh) 一种基于互联网的教育信息搜索系统
CN107016022A (zh) 教学难点大数据分析系统
CN112837031A (zh) 一种基于高速扫描并打印的作业自动批阅方法及装置
CN111144079A (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
CN113822907B (zh) 图像处理方法及装置
CN115050039A (zh) 自动化试卷分析方法、系统、电子设备、存储介质
CN107430824B (zh) 用于评价响应的半自动系统和方法
CN107480667A (zh) 基于模板的智能题目图像采集处理的方法及其系统
CN110019862B (zh) 一种课件推荐方法、装置、设备及存储介质
CN114973218A (zh) 图像处理方法、装置及系统
CN114445744A (zh) 一种教育视频自动定位方法、装置及存储介质
CN115294573A (zh) 作业批改方法、装置、设备及介质
CN209879796U (zh) 基于人工智能的学习系统
CN111178199B (zh) 一种基于实时图像识别的交互式问答方法及终端
CN114663891A (zh) 基于配置答题卡的日常作业错题本生成方法和系统
CN112906499A (zh) 文本信息识别方法及装置

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

Application publication date: 20200508

RJ01 Rejection of invention patent application after publication