CN111724054A - 一种评估方法、装置、终端设备及存储介质 - Google Patents

一种评估方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN111724054A
CN111724054A CN202010548816.3A CN202010548816A CN111724054A CN 111724054 A CN111724054 A CN 111724054A CN 202010548816 A CN202010548816 A CN 202010548816A CN 111724054 A CN111724054 A CN 111724054A
Authority
CN
China
Prior art keywords
evaluation
courseware
determining
information
content information
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
CN202010548816.3A
Other languages
English (en)
Inventor
朱帅
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.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology 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 Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN202010548816.3A priority Critical patent/CN111724054A/zh
Publication of CN111724054A publication Critical patent/CN111724054A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Technology (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种评估方法、装置、终端设备及存储介质。涉及数据处理领域，所述方法包括：确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；确定对应所述内容信息的评估信息；基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。利用该方法，自动基于比较结果确定了待评估课件的评价结果，降低了人力成本，且统一了评估标准，提升了课件质量评估的准确度。

Description

一种评估方法、装置、终端设备及存储介质
技术领域
本发明实施例涉及处理技术领域，尤其涉及一种评估方法、装置、终端设备及存储介质。
背景技术
在教育信息化的今天，课堂内容载体由传统的黑板板书转变为了教师制作的课件，课件观感质量的好坏直接影响教学质量。
目前，在线上学习平台的课件观感好坏是依赖人工去审核评估，评估依赖审核员的背景经验及主观判断，而没有统一的标准。故，如何提升课件质量评估的准确度是当前亟待解决的技术问题。
发明内容
本发明实施例提供了一种评估方法、装置、终端设备及存储介质，提升了课件质量评估的准确度。
第一方面，本发明实施例提供了一种评估方法，包括：
确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
确定对应所述内容信息的评估信息；
基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
进一步地，所述内容信息包括如下一个或多个：插图和背景图；
在所述内容信息为插图时，所述内容信息的评估信息包括插图清晰度；
在所述内容信息为背景图时，所述内容信息的评估信息基于背景图色调确定。
进一步地，所述确定对应所述内容信息的评估信息，包括：
在所述内容信息为插图时，确定所述插图的拉伸比和边缘梯度中的至少一个；
基于所确定的内容，确定所述插图的插图清晰度。
进一步地，确定所述插图的拉伸比，包括：
所述插图的拉伸比等于纵向拉伸比和横向拉伸比的均值，其中，纵向拉伸比为实际高度与原始高度的比值，横向拉伸比为实际宽度与原始宽度的比值。
进一步地，确定所述插图的边缘梯度，包括：
获取所述插图的像素信息；
基于所述像素信息确定所述插图的边缘梯度。
进一步地，所述基于所确定的内容，确定所述插图的插图清晰度，包括：
在所确定的内容为拉伸比和边缘梯度时，将所述边缘梯度与所述拉伸比的比值确定为所述插图的插图清晰度。
进一步地，所述确定对应所述内容信息的评估信息，包括：
基于HSV色彩空间，将自然界颜色划分为至少两个色调区间；
在所述内容信息为背景图时，确定所述背景图中各像素点所属色调区间；
从划分得到的色调区间中，选取包含像素点最多的色调区间作为目标色调区间，所述目标色调区间表征背景图色调；
将所述目标色调区间所包括像素点与所述背景图总像素点的百分比，确定为所述背景图的评估信息，所述评估信息包括所述背景图色调的色调得分。
第二方面，本发明实施例还提供了一种评估装置，包括：
第一确定模块，用于确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
第二确定模块，用于确定对应所述内容信息的评估信息；
评估模块，用于基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
第三方面，本发明实施例还提供了一种终端设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的评估方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的评估方法。
本发明实施例提供了一种评估方法、装置、终端设备及存储介质，首先确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；然后确定对应所述内容信息的评估信息；最后基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。利用上述技术方案，自动基于比较结果确定了待评估课件的评价结果，降低了人力成本，且统一了评估标准，提升了课件质量评估的准确度。
附图说明
图1为本发明实施例一提供的一种评估方法的流程示意图；
图2为本发明实施例二提供的一种评估方法的流程示意图；
图3为本发明实施例三提供的一种评估方法的流程示意图；
图3a为本发明实施例三提供的又一种评估方法的流程示意图；
图4为本发明实施例四提供的一种评估装置的结构示意图；
图5为本发明实施例五提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
实施例一
图1为本发明实施例一提供的一种评估方法的流程示意图，该方法可适用于对待评估课件进行自动评估的情况，该方法可以由评估装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上，在本实施例中终端设备包括但不限于：计算机、个人数字助理和手机等设备。
目前进行课件质量评估均采用人工方式，通过人工进行课件质量评估存在如下技术问题：一、随着近年信息化教育的普及，课堂上课件使用的愈发频繁，教师制作的上课课件数目也急剧增长。大量的待审核课件需要庞大的人工成本去完成审核；二、由于课件数目基数大，需要的审核员也应需增加，不同的审核员知识水平有差异，主观审核的结果可能导致不同人评估的课件图片观感质量难以统一衡量。
为了解决上述技术问题，本发明提供了一种自动化的评估方法，替代了审核员评估教学课件的观感质量，节省了审核员的人工成本，统一了课件观感评估的衡量标准，如图1所示，本发明实施例一提供的一种评估方法，包括如下步骤：
S110、确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息。
在本实施例中，待评估课件可以认为当前待评估的课件。内容信息可以理解为待评估课件中所包括的用于衡量待评估课件观感质量的信息。本发明的评估方法可以认为是对待评估课件的观感质量进行评估的方法。
本实施例不对内容信息进行具体限定，内容信息可以为任何能够用于评估待评估课件观感质量的信息。示例性的，内容信息包括但不限于：插图、背景图、字体和字号等。
在对待评估课件进行评估时，本发明可以首先确定待评估课件的内容信息。确定的手段可以基于内容信息所包括的具体内容确定，如在内容信息对应的存储空间中通过相应工具读取待评估课件的内容信息。
示例性的，在内容信息为插图时，本发明可以采用图像处理包或工具，获取待评估课件的插图。通过图像处理包或工具还可以获取插图的图像信息。图像信息可以认为是插图固有属性，包括但不限于插图的原始宽度、原始高度、每个像素点对应的像素值和每个像素点对应的HSV值，即色彩值、饱和度值和明度值。其中，原始宽度可以为插图原始的宽度。原始高度可以为插图原始的高度。
S120、确定对应所述内容信息的评估信息。
评估信息可以认为是内容信息在衡量待评估课件质量时所使用的信息。不同的内容信息对应的评估信息不同。示例性的，在内容信息为插图时，评估信息可以包括插图清晰度。在内容信息为背景图时，评估信息可以基于背景图色调确定，如基于背景图色调对应的色调得分或色调等级确定。在内容信息为字号时，评估信息可以为尺寸得分。其中，插图清晰度可以为插图的清晰度。背景图色调可以为背景图的色调。色调得分可以理解为背景图色调的得分。色调得分又称背景得分。背景图色调可以直接由包含像素点最多的色调区间，即目标色调区间表征；也可以由包含像素点的各色调区间表征。
在背景图色调由目标色调区间表征时，可以基于目标色调区间中像素点占背景图总像素点的百分比，确定色调得分。在背景图色调由包含像素点的每个色调区间表征时，可以基于背景图色调所对应的色调区间的个数确定色调得分。如背景图色调对应的色调区间的个数越多色调得分可以越低，此处不对该对应关系进行限定，可以基于实际情况自行设定。
不同的评估信息可以对应有不同的确定手段，此处不作限定。示例性的，在确定插图清晰度时，可以基于影响插图清晰度的属性，确定对应的评估信息。如基于插图的原始宽度、原始高度、实际宽度和实际高度确定拉伸比；基于插图的像素信息，确定边缘梯度。其中，实际宽度可以认为是插图在待评估课件中的宽度。实际高度可以认为是插图在待评估课件中的高度；在确定色调得分时，基于背景图所包括像素点所属色调区间的个数或目标色调区间所包括像素点的占比，确定色调得分。色调得分可以认为是评估背景图色调的数值。目标色调区间可以认为是包含像素点个数最多的色调区间。色调区间可以认为是对自然色划分后得到的区间，用于评估背景图是否属于同一色调。
S130、基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
在本实施例中，评估阈值可以为对应于评估信息的阈值。评估阈值可以为基于对待评估课件的观感质量的需求设定的阈值，此处不对评估阈值的设定进行限定。可以为审核员对大量课件审核后，设定的阈值。
需要注意的是，不同科目的课件，对课件的观感需求不同，故本发明可以为不同科目分别设置评估阈值；不同受众也可以对应有不同的观感需求，故本发明也可以为不同受众(即课件所面向的用户群体)设置评估阈值。其中，基于不同科目的课件和不同的受众，可以对待评估课件进行类型划分，不同类型的待评估课件可以对应有不同的评估阈值。
示例性的，本发明可以针对不同的评估信息设置一个通用的评估阈值。本发明在确定评估阈值时，可以首先判断是否存在当前待评估课件所属类型对应的评估阈值，若有，则基于该评估阈值，确定评估结果。若没有，则基于通用的评估阈值确定评估结果后，由审核员进行复核，以确定评估为合格的课件是否满足观感需求。若不满足观感需求，审核员可以基于当前待评评估课件所属类型，确定对应的评估阈值，以将该类型的待评估课件对应的通用的评估阈值替换为确定的评估阈值后，继续对待评估课件进行评估，并在下次该类型的待评估课件评估时，基于确定的评估阈值进行评估。其中，审核员可以为对待评估课件进行审核的人员。
比较结果可以认为是评估信息和对应的评估阈值进行比较后确定的结果。评估结果可以认为是对待评估课件评估后确定的结果。若比较结果为所述属性信息大于或等于对应的评估阈值，则所述待评估课件的评估结果可以为合格；否则，所述待评估课件的评估结果为不合格。
需要注意的是，待评估课件可以包括多个内容信息。在确定评估结果时，可以基于每个内容信息对应的比较结果所占比例，确定评估结果。示例性的，待评估课件存在多个插图，如3个，若其中两个插图对应的比较结果为插图清晰度大于对应的评估阈值，一个插图对应的比较结果为插图清晰度小于对应的评估阈值，则评价结果可以认为是合格。
在待评估课件包括多个内容信息时，也可以将各内容信息对应的评估信息的均值确定为该类内容信息的评估信息，从而和对应的评估阈值进行比较，以确定评估结果；还可以仅基于随意提取的一个内容信息，对该待评估课件进行评估。
本发明实施例一提供的一种评估方法，首先确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；然后确定对应所述内容信息的评估信息；最后基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。利用上述方法，自动基于比较结果确定了待评估课件的评价结果，降低了人力成本，且统一了评估标准，提升了课件质量评估的准确度。
在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
在一个实施例中，所述内容信息包括如下一个或多个：插图和背景图；
在所述内容信息为插图时，所述内容信息的评估信息包括插图清晰度；
在所述内容信息为背景图时，所述内容信息的评估信息基于背景图色调确定。
在内容信息为背景图时，评估信息可以基于背景图色调确定，如基于背景图色调确定色调得分；或者，基于背景图色调确定色调等级。
在一个实施例中，本发明可以基于背景图色调确定色调得分，色调得分可以表征背景图色调的目标色调区间所包括的像素点与所述背景图总像素点的百分比。当背景图对应的色调得分超过评估阈值，则可以认为评估结果为合格。其中，评估阈值可以为基于色调得分确定的阈值，具体确定手段不作限定。
在一个实施例中，本发明可以预先为不同色调设置不同的等级，等级的划分不作限定，可以基于经验值划分，也可以基于护眼程度划分。当背景图对应的色调等级超过评估阈值，则可以认为评估结果为合格。其中，评估阈值可以为基于色调等级确定的阈值。
实施例二
图2为本发明实施例二提供的一种评估方法的流程示意图，本实施例二在上述各实施例的基础上进行具体化。在本实施例中，将所述确定对应所述内容信息的评估信息，具体包括：
在所述内容信息为插图时，确定所述插图的拉伸比和边缘梯度中的至少一个；
基于所确定的内容，确定所述插图的插图清晰度。本实施例尚未详尽的内容请参考上述实施例。
如图2所示，本发明实施例二提供的一种评估方法，包括如下步骤：
S210、确定待评估课件的内容信息。
S220、在所述内容信息为插图时，确定所述插图的拉伸比和边缘梯度中的至少一个。
在内容信息为插图时，本实施例可以基于拉伸比和边缘梯度的至少之一，确定插图的插图清晰度。拉伸比可以认为是插图在待评估课件中被拉伸的比例。边缘梯度可以反映插图原始的清晰程度。
S230、基于所确定的内容，确定所述插图的插图清晰度。
在所确定的内容为拉伸比时，可以将拉伸比确定为插图的插图清晰度，对应的评估阈值可以为通过分析其余课件的拉伸比确定的阈值；在所确定的内容为边缘梯度时，可以将边缘梯度确定为插图的插图清晰度，对应的评估阈值可以为通过分析其余课件的边缘梯度确定的阈值。
在所确定的内容为拉伸比和边缘梯度时，可以将边缘梯度与拉伸比的比值确定为插图清晰度，对应的评估阈值可以通过分析其余课件的拉伸比和边缘梯度的比值确定的阈值。
S240、基于所述插图清晰度与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
本发明实施例二提供的一种评估方法，具体化确定评估信息的操作。利用该方法，能够自动通过对插图的插图清晰度进行分析确定待评估课件的评估结果，提升了评估的效率及准确率。
在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
在一个实施例中，确定所述插图的拉伸比，包括：
所述插图的拉伸比等于纵向拉伸比和横向拉伸比的均值，其中，纵向拉伸比为实际高度与原始高度的比值，横向拉伸比为实际宽度与原始宽度的比值。
在本实施例中，如果所述插图的实际宽度不大于原始宽度且实际高度不大于原始高度，则所述插图的拉伸比可以直接设置为1；否则可以基于纵向拉伸比和横向拉伸比确定插图的拉伸比。
其中，纵向拉伸比可以为插图纵向的拉伸比。横向拉伸比可以为插图横向的拉伸比。
在一个实施例中，确定所述插图的边缘梯度，包括：
获取所述插图的像素信息；
基于所述像素信息确定所述插图的边缘梯度。
像素信息可以为插图中像素点的属性信息，如像素值。本实施例可以基于插图的像素信息结合相应的计算手段，确定插图的边缘梯度。如基于插图的像素信息和边缘算子(如索伯算子)，确定插图的边缘梯度，不同的边缘算子处理手段不同，此处不对具体确定手段进行限定。
在一个实施例中，所述基于所确定的内容，确定所述插图的插图清晰度，包括：
在所确定的内容为拉伸比和边缘梯度时，将所述边缘梯度与所述拉伸比的比值确定为所述插图的插图清晰度。
实施例三
图3为本发明实施例三提供的一种评估方法的流程示意图，本实施例在上述各实施例的基础上进行具体化。在本实施例中，将确定对应所述内容信息的评估信息，具体包括：
基于HSV色彩空间，将自然界颜色划分为至少两个色调区间；
在所述内容信息为背景图时，确定所述背景图中各像素点所属色调区间；
从划分得到的色调区间中，选取包含像素点最多的色调区间作为目标色调区间，所述目标色调区间表征背景图色调；
将所述目标色调区间所包括像素点与所述背景图总像素点的百分比，确定为所述背景图的评估信息，所述评估信息包括所述背景图色调的色调得分。
本实施例尚未详尽的内容请参考上述实施例。
如图3所示，本发明实施例三提供的一种评估方法，包括如下步骤：
S310、确定待评估课件的内容信息。
S320、基于HSV色彩空间，将自然界颜色划分为至少两个色调区间。
本实施例内容信息可以为背景图，故在确定对应的评估信息时，可以首先对背景图进行分析。背景图对应的评估信息为色调得分，故本实施例可以首先基于HSV色彩空间，进行色调区间的划分。
HSV(Hue，Saturation，Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间，也称六角锥体模型，这个模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。
本发明为了分析背景图是否属于同色调，可以将自然界颜色，即自然色划分为至少两个色调区间，不同色调区间可以认为具有不同色调。基于背景图中像素点在不同色调区间的分布可以得到对应的色调得分。
S330、在所述内容信息为背景图时，确定所述背景图中各像素点所属色调区间。
本步骤可以基于背景图中各像素点的HSV值，确定相应像素点所属色调区间。如针对每一像素点，确定对应的HSV值，然后遍历比较划分的色调区间，以确定该像素点所属的色调区间。
S340、从划分得到的色调区间中，选取包含像素点最多的色调区间作为目标色调区间，所述目标色调区间表征背景图色调。
确定完每个像素点所属色调区间后，可以从划分得到的色调区间中选取包含像素点最多的色调区间作为目标色调区间，以基于目标色调区间确定色调得分。目标色调区间可以用于表征背景图色调，即将目标色调区间所对应的色调确定为背景图色调。
S350、将所述目标色调区间所包括像素点与所述背景图总像素点的百分比，确定为所述背景图的评估信息，所述评估信息包括所述背景图色调的色调得分。
确定目标色调区间后，本步骤可以确定目标色调区间所包括像素点与背景图总像素点的占比，即百分比。然后将该百分比确定为背景图的色调得分，即该背景图的评估信息。
S360、基于所述色调得分与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
本发明实施例三提供的一种评估方法，具体化确定评估信息的操作。利用该方法，能够自动通过对背景图的色调得分与对应的评估阈值的比较，确定待评估课件的评估结果，提升了评估的效率及准确率。
以下对本发明提供的评估方法进行示例性的描述：本发明提供的评估方法可以认为是一种教学课件观感质量评估量化的方法。
现有对课件进行评估时的流程为：用户上传新课件；课件审核员查看课件，评估观感质量；若通过评估，则将该课件定为合格课件加入应用的课件库；否则，淘汰该课件。该评估方式主观性较强。为了提升课件评估准确度，构建一套通用的评估指标，本发明综合考虑并完成了对课件中的插图的质量评估和背景图颜色的评估。一份教学课件观感是否过关，从受众观感上而言最直接涉及到的是课件使用的插图质量和背景图的整体色调。
图3a为本发明实施例三提供的又一种评估方法的流程示意图，参见图3a，该评估方法包括如下步骤：
1)用户上传新课件到资源审核平台；
2)获取该份课件的插图资源以及背景图资源，并读取其图像信息(读取方法可采用计算机中的主流图像处理包或者工具，如OpenCV\PIL等)；
3)读取生成课件的树形半结构化文档(.xml文件)，获取其中的插图宽和高，及课件中实际展示的宽、高(用户制作课件进行了拉伸操作)；
4)根据实际展示的宽、高与原图宽、高信息，计算拉伸比S(如果拉伸后的宽与高任一小于原图宽高，则为压缩操作，本方案实际应用中压缩操作不会使图片变模糊，因此默认压缩操作后的图片拉伸比为1)；
5)采用索伯算子(Sobel operator)计算插图原图的边缘梯度G；
6)根据边缘梯度G与拉伸比S，计算插图清晰度C；
7)根据HSV色彩空间，进行色调区间的定义及划分；
8)读取背景图中每个像素点对应的HSV色彩空间中的取值，根据取值找到对应的色调区间；统计背景图中像素在每个色调区间的占比；
9)找到最大单个色调区间像素占比，定义该占比为背景色调得分B；
10)上述3)-6)为课件插图清晰度评估算法；7)-9)为背景色彩评估算法；这两套算法的计算步骤流程互不干扰，可并行处理。
11)利用6)和9)中得到的插图清晰度C和背景色调得分B(即色调得分)两个量化后的数值，来判定一份课件观感质量的高低(实际应用中，审核人员可以对这两个数值分别设定阈值进行课件自动化地完成评估筛选)；
12)(可选步骤)审核员根据筛选后的结果进行人工校验，并反馈到10)的阈值设定上，按特定场景需求定制阈值。
13)课件观感质量算法评估通过的课件，即为合格课件，加入课件池；不通过的课件为不合格课件，淘汰移除。
一张插图的质量，取决于该插图的清晰程度。而在教学课件制作的过程中，会对插图清晰度造成影响的主要是两个因素：因素一，插图原本的清晰程度；因素二，用户制作课件过程中，难免对于插图会有拉伸操作。由于计算机本身在图像被拉伸时会采用图像插值算法来补充像素点，因此对插图的拉伸操作会使得原图内容的边缘变粗，导致人眼观察清晰程度下降。据此，本发明中设计了一种综合考虑插图原本清晰程度和拉伸操作的量化解决方案，其具体步骤如下：
1.采用索伯算子(Sobel operator)来计算并量化插图原图的边缘强度G。
2.读取课件插图对应的评估信息，根据拉伸后的宽高与原图宽高计算用户操作后的图片拉伸比S。
3.根据边缘强度G与拉伸比S，计算插图在教学课件中的插图清晰度得分C。
以下是计算计算和量化课件插图清晰度C的算法细节：
a)本算法采用索伯算子(Sobel operator)来计算量化插图原图的清晰程度。
索伯算子(Sobel operator)是一种计算机视觉计算及图像处理中的特征算子，又称为索伯滤波器，常被用来在图像领域处理边缘检测等问题。索伯算子最早是由美国计算机科学家Irwin Sobel于1968年所提出。一幅图像的清晰程度可以由固定窗口大小内像素点展现的边缘强度来量化，而索伯算子可以检测水平方向以及垂直方向的边缘梯度强度，而本发明运用了算子的该特性，来达到量化计算插图原图清晰程度的目的。
本发明可以通过如下公式确定边缘梯度，如索伯算子边缘梯度：
Figure BDA0002541706880000161
其中，G为索伯算子边缘梯度。水平方向梯度
Figure BDA0002541706880000162
垂直方向梯度
Figure BDA0002541706880000171
A为原始图像的像素信息。
由于一份存储在计算机系统中的演示课件，都有对应的结构文件。在该应用场景(希沃白板)中，课件中的所有被使用的插图、背景图属性都存储在对应的.xml文档当中。通过读取课件插图的原本长、宽数据，以及读取该插图所在页所对应的半结构化xml文档，获取每张插图在课件中的展示长、宽数据；利用插图展示的长宽比上插图原本的长宽，从而得到图像的横纵向拉伸比率；再将横纵向拉伸比率取均值。定义图像拉伸后像素宽度为W1，图像拉伸后像素高度为H1，原图像素宽度为W0，原图像素高度为H0，拉伸比S计算公式如下：
Figure BDA0002541706880000172
插图的插图清晰度的计算公式如下：
Figure BDA0002541706880000173
教学课件是由老师制作，在课堂上作为教授知识的内容载体，主要受体为学生或课件内容的学习者。一页高质量的教学课件，应该让听者在听课时能够尽快的发现重点信息，以此为基点出发，可以知道教学课件中的背景颜色只是作为辅助，不能对课件的核心内容的观看和理解带来负面影响。纯色或同一色系的背景更有利于教学课件的阅读。
本发明采用分析背景图颜色分布的情况来评估一份课件背景色彩是否适宜教学场景。具体步骤为：
1.采用HSV颜色空间，并对该空间进行色调区间划分(方案中共将自然色划分为27种色调)。
2.读取背景图像素点，统计各个色调区间内的像素数目。
3.取最大的单一色调区间像素点占背景图总像素点百分比，并定义为背景色调得分B。
为了分析背景色彩是否属于同色调，首先需要定义同色调的范围。计算视觉领域常用HSV颜色空间来定义不同色调的范围。HSV颜色空间有三个维度：色彩(hue)：不同的值所在的区间对应不同的色彩；饱和度(saturation)：饱和度越高，色彩越鲜艳；饱和度越低，色彩越暗淡；饱和度为0则为无色；明度(value)：明度越高，色彩越亮；明度越低；色彩越暗。
根据这三个维度可知，当颜色足够饱和且有一定明度，才能呈现彩色；明度越高，饱和度越低，则人眼看上去越偏向白色；而明度越低，饱和度也越低，则人眼看上去越偏向黑色。
本发明可以通过如下方式实现色调区间的划分：
色彩Hue值为角向量表示，取值区间为[0°，360°)；本发明由0°为起始，按每15°划分一个区间，将Hue维度划分为共24个取值区间，每个区间内的色彩可归为同一类色调。饱和度Saturation取值区间为[0％，100％]；本发明中定义Saturation取值[0％,15％]为无色区间，Saturation取值(15％，100％]为可显示其它彩色的有色区间。明度Value取值区间为[0％,100％]，本发明定义Value取值[0％,20％)由于太暗而为黑色区间，Value取值[20％，100％]才可正常显示其他颜色并算入其它颜色区间。因此本发明共将自然界颜色归为24种彩色+黑白灰3色，共计27个色调区间，表1为本发明实施例提供的一种色调区间的划分示意表：
表1本发明实施例提供的一种色调区间的划分示意表
Figure BDA0002541706880000191
参见表1，根据HSV颜色空间划分区间后，读取背景图的属性获取图中每一个像素点的HSV三维度对应值，并根据值所属取值区间，把每个像素点划分为一个色调区间；通过统计27个色调区间的像素点数目，来确定一张背景图是否属于统一色调。越多的像素点属于同一色调区间，则背景图的色调统一性越高。在本发明的实际应用案例中(如希沃白板)，如果超过90％的像素点落在同一个色调区间(即B>90％)，则认为该背景图属于同一色系且符合教学课件背景图配色要求。
综合考虑插图清晰程度C和背景得分B，评估课件观感质量是否达到要求。前两步已经得到了两个表征课件观感质量高低的量化值：插图清晰程度C和背景得分B。此时可通过对插图清晰程度C和背景得分B分别设置阈值c0和b0，使得高于阈值的为合格，而低于阈值的为不合格(在希沃学院实际应用案例中，可以规定c0>100为插图清晰度合格，b0>90％为背景色调合格)。
若c0>100且b0>90％，则可以认为该课件，即待评估课件观感质量合格；否则认为该课件观感质量不合格。其中，阈值c0和b0的设置灵活，可根据实际应用场景以及审核员需求来进行设置。
本发明提供的评估方法可以应用于希沃白板的资源审核中心，每日自动化的帮助希沃白板评估上千份的教学课件的观感质量。在此前传统流程中：每当用户(使用希沃白板的老师)上传一份课件，审核人员需要打开课件，一页一页的观看审核课件内容，并根据自己的观感最终决定该份课件质量是否可通过审核。如果最终通过审核，则将该份课件作为合格课件保留于课件资源池中。
而目前应用了算法的流程为：每当用户(使用希沃白板的老师)上传一份课件，算法会对于这份用户新上传的课件图片观感质量进行一次计算，并且最终可对课件的插图质量、背景色调分别给出一个量化的结果。依据这个量化的结果，审核员可以根据自己需求或经验，设置一个阈值对课件进行自动化筛选；也即不再需要对所有未审核的课件一份一份去人工评估审核，从而较大的减轻了教学课件审核员的负担。
通过上述评估方法为教学课件的观感质量评估首次定义了课件观感高低的区分标准，即认为插图清晰度高且背景图配色统一的课件比插图清晰度低且背景图配色杂乱的课件观感质量高；并首次提供了一种量化的课件观感质量评估方法，使得这个问题可以自动化地由计算机算法解决。本发明提供的评估方法提高了课件审核的效率，传统方案都是审核员人工去完成课件观感质量评估；一位审核员评估一份课件大约需耗时30-60秒不等，而本发明自动化评估一份课件图片观感质量仅需2-3秒，评估速度提高了数十倍，能辅助人工筛选掉大部分不合格课件，较大地减少了人工成本。本发明提供的课件图片观感质量评估方法对于所有课件衡量标准统一，确定了统一的课件审核标准，避免了不同审核员主观带来的审核差异。教学课件场景下首次定义了一种可量化表示的插图清晰度计算算法。教学课件场景下首次定义了一种可量化表示的背景色调得分计算方法。
实施例四
图4为本发明实施例四提供的一种评估装置的结构示意图，该装置可适用于对待评估课件进行自动评估的情况，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上。
如图4所示，该装置包括：
第一确定模块41，用于确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
第二确定模块42，用于确定对应所述内容信息的评估信息；
评估模块43，用于基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
在本实施例中，该装置首先通过第一确定模块41确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；然后通过第二确定模块42确定对应所述内容信息的评估信息；最后通过评估模块43基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
本实施例提供了一种评估装置，自动基于比较结果确定了待评估课件的评价结果，降低了人力成本，且统一了评估标准，提升了课件质量评估的准确度。
进一步地，所述内容信息包括如下一个或多个：插图和背景图；
在所述内容信息为插图时，所述内容信息的评估信息包括插图清晰度；
在所述内容信息为背景图时，所述内容信息的评估信息基于背景图色调确定。
进一步地，第二确定模块42，具体用于：
在所述内容信息为插图时，确定所述插图的拉伸比和边缘梯度中的至少一个；
基于所确定的内容，确定所述插图的插图清晰度。
进一步地，第二确定模块42确定所述插图的拉伸比，包括：
所述插图的拉伸比等于纵向拉伸比和横向拉伸比的均值，其中，纵向拉伸比为实际高度与原始高度的比值，横向拉伸比为实际宽度与原始宽度的比值。
进一步地，第二确定模块42确定所述插图的边缘梯度，包括：
获取所述插图的像素信息；
基于所述像素信息确定所述插图的边缘梯度。
进一步地，第二确定模块42基于所确定的内容，确定所述插图的插图清晰度，包括：
在所确定的内容为拉伸比和边缘梯度时，将所述边缘梯度与所述拉伸比的比值确定为所述插图的插图清晰度。
进一步地，第二确定模块42，具体用于：
基于HSV色彩空间，将自然界颜色划分为至少两个色调区间；
在所述内容信息为背景图时，确定所述背景图中各像素点所属色调区间；
从划分得到的色调区间中，选取包含像素点最多的色调区间作为目标色调区间，所述目标色调区间表征背景图色调；
将所述目标色调区间所包括像素点与所述背景图总像素点的百分比，确定为所述背景图的评估信息，所述评估信息包括所述背景图色调的色调得分。
上述评估装置可执行本发明任意实施例所提供的评估方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种终端设备的结构示意图。如图5所示，本发明实施例五提供的终端设备包括：一个或多个处理器51和存储装置52；该终端设备中的处理器51可以是一个或多个，图5中以一个处理器51为例；存储装置52用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器51执行，使得所述一个或多个处理器51实现如本发明实施例中任一项所述的评估方法。
所述终端设备还可以包括：输入装置53和输出装置54。
终端设备中的处理器51、存储装置52、输入装置53和输出装置54可以通过总线或其他方式连接，图5中以通过总线连接为例。
该终端设备中的存储装置52作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例一或二或三所提供评估方法对应的程序指令/模块(例如，附图4所示的评估装置中的模块，包括：第一确定模块41、第二确定模块42和评估模块43)。处理器51通过运行存储在存储装置52中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述方法实施例中评估方法。
存储装置52可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储装置52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置53可用于接收输入的数字或字符信息，以及产生与终端设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。
并且，当上述终端设备所包括一个或者多个程序被所述一个或者多个处理器51执行时，程序进行如下操作：
确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
确定对应所述内容信息的评估信息；
基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
实施例六
本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行评估方法，该方法包括：
确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
确定对应所述内容信息的评估信息；
基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
可选的，该程序被处理器执行时还可以用于执行本发明任意实施例所提供的评估方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、无线电频率(Radio Frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种评估方法，其特征在于，包括：
确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
确定对应所述内容信息的评估信息；
基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
2.根据权利要求1所述的方法，其特征在于，所述内容信息包括如下一个或多个：插图和背景图；
在所述内容信息为插图时，所述内容信息的评估信息包括插图清晰度；
在所述内容信息为背景图时，所述内容信息的评估信息基于背景图色调确定。
3.根据权利要求1所述的方法，其特征在于，所述确定对应所述内容信息的评估信息，包括：
在所述内容信息为插图时，确定所述插图的拉伸比和边缘梯度中的至少一个；
基于所确定的内容，确定所述插图的插图清晰度。
4.根据权利要求3所述的方法，其特征在于，确定所述插图的拉伸比，包括：
所述插图的拉伸比等于纵向拉伸比和横向拉伸比的均值，其中，纵向拉伸比为实际高度与原始高度的比值，横向拉伸比为实际宽度与原始宽度的比值。
5.根据权利要求3所述的方法，其特征在于，确定所述插图的边缘梯度，包括：
获取所述插图的像素信息；
基于所述像素信息确定所述插图的边缘梯度。
6.根据权利要求3所述的方法，其特征在于，所述基于所确定的内容，确定所述插图的插图清晰度，包括：
在所确定的内容为拉伸比和边缘梯度时，将所述边缘梯度与所述拉伸比的比值确定为所述插图的插图清晰度。
7.根据权利要求1所述的方法，其特征在于，所述确定对应所述内容信息的评估信息，包括：
基于HSV色彩空间，将自然界颜色划分为至少两个色调区间；
在所述内容信息为背景图时，确定所述背景图中各像素点所属色调区间；
从划分得到的色调区间中，选取包含像素点最多的色调区间作为目标色调区间，所述目标色调区间表征背景图色调；
将所述目标色调区间所包括像素点与所述背景图总像素点的百分比，确定为所述背景图的评估信息，所述评估信息包括所述背景图色调的色调得分。
8.一种评估装置，其特征在于，包括：
第一确定模块，用于确定待评估课件的内容信息，所述内容信息为衡量所述待评估课件质量的信息；
第二确定模块，用于确定对应所述内容信息的评估信息；
评估模块，用于基于所述评估信息与对应的评估阈值的比较结果，确定所述待评估课件的评估结果。
9.一种终端设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的评估方法。
CN202010548816.3A 2020-06-16 2020-06-16 一种评估方法、装置、终端设备及存储介质 Pending CN111724054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010548816.3A CN111724054A (zh) 2020-06-16 2020-06-16 一种评估方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010548816.3A CN111724054A (zh) 2020-06-16 2020-06-16 一种评估方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN111724054A true CN111724054A (zh) 2020-09-29

Family

ID=72567011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010548816.3A Pending CN111724054A (zh) 2020-06-16 2020-06-16 一种评估方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN111724054A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486632A (zh) * 2021-05-27 2021-10-08 四川大学华西医院 一种复评意见的记录方法及装置
CN115599962A (zh) * 2022-10-27 2023-01-13 武汉翰林文融教育咨询有限公司（Cn） 基于教育领域的数据资源云存储共享方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834898A (zh) * 2015-04-09 2015-08-12 华南理工大学 一种人物摄影图像的质量分类方法
CN107507173A (zh) * 2017-08-15 2017-12-22 上海交通大学 一种全切片图像的无参考清晰度评估方法及系统
CN108009999A (zh) * 2017-11-30 2018-05-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
JP2018077712A (ja) * 2016-11-10 2018-05-17 株式会社Ｎｔｔドコモ 情報処理装置及び情報処理プログラム
CN109640090A (zh) * 2018-12-18 2019-04-16 深圳市丰巢科技有限公司 图片压缩方法及装置、设备和存储介质
CN110728470A (zh) * 2019-10-30 2020-01-24 重庆工程职业技术学院 一种教学资源库的综合管理系统
CN111179129A (zh) * 2019-12-17 2020-05-19 广州视源电子科技股份有限公司 课件质量的评价方法、装置、服务器及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834898A (zh) * 2015-04-09 2015-08-12 华南理工大学 一种人物摄影图像的质量分类方法
JP2018077712A (ja) * 2016-11-10 2018-05-17 株式会社Ｎｔｔドコモ 情報処理装置及び情報処理プログラム
CN107507173A (zh) * 2017-08-15 2017-12-22 上海交通大学 一种全切片图像的无参考清晰度评估方法及系统
CN108009999A (zh) * 2017-11-30 2018-05-08 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN109640090A (zh) * 2018-12-18 2019-04-16 深圳市丰巢科技有限公司 图片压缩方法及装置、设备和存储介质
CN110728470A (zh) * 2019-10-30 2020-01-24 重庆工程职业技术学院 一种教学资源库的综合管理系统
CN111179129A (zh) * 2019-12-17 2020-05-19 广州视源电子科技股份有限公司 课件质量的评价方法、装置、服务器及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任克强 等: "多媒体教学课件的评价", 计算机与现代化, no. 4, pages 46 - 47 *
刘剑聪: "社交图像美学分类与优化算法研究,", 中国优秀硕士学位论文全文数据库信息科技辑, no. 12, 15 December 2015 (2015-12-15), pages 138 - 854 *
李春涛 等: "像素比例校正及其在生成清晰度测试图中的应用", 电视技术, no. 12, pages 91 - 93 *
荆力群: "高质量PPT课件制作模式探析", 信息与电脑(理论版), no. 4, pages 131 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486632A (zh) * 2021-05-27 2021-10-08 四川大学华西医院 一种复评意见的记录方法及装置
CN113486632B (zh) * 2021-05-27 2023-04-07 四川大学华西医院 一种复评意见的记录方法及装置
CN115599962A (zh) * 2022-10-27 2023-01-13 武汉翰林文融教育咨询有限公司（Cn） 基于教育领域的数据资源云存储共享方法

Similar Documents

Publication Publication Date Title
CN108090902B (zh) 一种基于多尺度生成对抗网络的无参考图像质量客观评价方法
CN108229526B (zh) 网络训练、图像处理方法、装置、存储介质和电子设备
CN112818737B (zh) 视频识别方法、装置、存储介质及终端
CN104023230A (zh) 一种基于梯度关联性的无参考图像质量评价方法
CN111724054A (zh) 一种评估方法、装置、终端设备及存储介质
Krasula et al. Preference of experience in image tone-mapping: Dataset and framework for objective measures comparison
CN109191444A (zh) 基于深度残差网络的视频区域移除篡改检测方法及装置
CN113505854A (zh) 一种人脸图像质量评价模型构建方法、装置、设备及介质
CN109064525A (zh) 一种图片格式转换方法、装置、设备和存储介质
CN106910195A (zh) 一种网页页面布局监测方法及装置
CN109741315B (zh) 一种基于深度强化学习的无参考图像质量客观评价方法
CN114494756A (zh) 一种基于Shape-GIoU改进的聚类算法
CN107292892B (zh) 视频帧图像的分割方法及装置
CN111861204A (zh) 基于智能平台的课程移动学习评价系统及方法
CN111083468B (zh) 一种基于图像梯度的短视频质量评价方法及系统
CN115936980B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN108665455B (zh) 图像显著性预测结果的评价方法和装置
CN115953597B (zh) 图像处理方法、装置、设备及介质
CN113315995B (zh) 提高视频质量的方法、装置、可读存储介质及电子设备
US20220207724A1 (en) Method of determining a distribution of stem cells in a cell image, electronic device, and storage medium
Ji et al. No-reference image quality assessment for dehazed images
CN103763498A (zh) Hdmi信号处理系统及处理方法
CN114648462A (zh) 一种基于图像质量的监控运行监测方法
CN114694143A (zh) 基于光学手段的细胞图像识别方法及装置
Banic et al. Sensitivity of tone mapped image quality metrics to perceptually hardly noticeable differences

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