CN115457585A - 作业批改的处理方法、装置、计算机设备及可读存储介质 - Google Patents
作业批改的处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN115457585A CN115457585A CN202210969934.0A CN202210969934A CN115457585A CN 115457585 A CN115457585 A CN 115457585A CN 202210969934 A CN202210969934 A CN 202210969934A CN 115457585 A CN115457585 A CN 115457585A
- Authority
- CN
- China
- Prior art keywords
- text
- question
- image frame
- image
- job
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 78
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000012360 testing method Methods 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012986 modification Methods 0.000 description 30
- 230000004048 modification Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/418—Document matching, e.g. of document images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请属于图像处理技术领域,提供了一种作业批改的处理方法、装置、计算机设备及计算机可读存储介质,为了解决基于频繁地拍照对学生的作业进行自动批改时效率较低的问题,通过获取作业视频,并根据作业视频,确定作业页面所对应的图像帧,并确定图像帧包含的试题的题干及题干所对应的试题作答文本,再获取题干所对应的预设答案,并根据试题作答文本与预设答案,得到试题所对应的批改结果,只需要自动采集不同作业页面的视频,即可得到每个页面的作业所对应的批改结果,无需频繁点击拍照按钮对作业的每个页面进行拍照,能够提高作业自动批改的处理效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种作业批改的处理方法、装置、计算机设备及计算机可读存储介质。
背景技术
传统技术中,借助智能手机、平板电脑、笔记本电脑或者台式计算机等电子设备进行作业的自动批改,一般为基于拍照的模式,人工通过对每份作业的每个页面上的试题进行拍照,并对拍摄的照片调用相应的APP进行图像处理,得到每个页面的试题所对应的批改结果。若每份作业包括多页的试题,尤其对于多个学生的作业,若老师采用电子设备进行自动辅助批改作业,老师更是需要频繁地点击拍照按钮,然后再将拍摄的照片进行处理,频繁地拍照导致对学生的作业进行自动批改时的效率较低。
发明内容
本申请提供了一种作业批改的处理方法、装置、计算机设备及计算机可读存储介质,能够解决传统技术中基于频繁地拍照对学生的作业进行自动批改时效率较低的技术问题。
第一方面,本申请提供了一种作业批改的处理方法,包括:获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧;确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本;获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
第二方面,本申请提供了一种作业批改的处理装置,包括:第一获取单元,用于获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧;第二获取单元,用于确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本;第三获取单元,用于获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
第三方面,本申请提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现所述作业批改的处理方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器执行所述作业批改的处理方法的步骤。
本申请提供了一种作业批改的处理方法、装置、计算机设备及计算机可读存储介质,所述处理方法通过获取作业视频,并根据作业视频,确定作业页面所对应的图像帧,然后确定图像帧包含的试题的题干及题干所对应的试题作答文本,再获取题干所对应的预设答案,并根据试题作答文本与预设答案,得到试题所对应的批改结果,从而基于视频场景下,只需要自动采集不同的作业页面所对应的视频,即可得到每个作业页面的作业所对应的批改结果,无需人工频繁点击拍照按钮对作业的每个页面进行拍照,能够提高对不同页面的作业进行自动批改的处理效率。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的作业批改的处理方法在一终端的流程示意图;
图2为本申请实施例提供的作业批改的处理方法的第一个子流程示意图;
图3为本申请实施例提供的作业批改的处理方法的第二个子流程示意图;
图4为本申请实施例提供的作业批改的处理方法的第三个子流程示意图;
图5为本申请实施例提供的作业批改的处理方法的第四个子流程示意图;
图6为本申请实施例提供的作业批改的处理方法的第五个子流程示意图;
图7为本申请实施例提供的作业批改的处理方法的第六个子流程示意图;
图8为本申请实施例提供的作业批改的处理装置的示意性框图;
图9为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请实施例提供了一种作业批改的处理方法,所述处理方法可以应用于智能手机、平板电脑、笔记本电脑或者台式计算机等电子设备,可以对学生的作业进行辅助批改时使用。
面对传统技术中基于频繁地拍照对学生的作业进行自动批改时效率较低的技术问题,发明人提出本申请实施例的作业批改的处理方法,本申请实施例的核心思想为:采集作业的视频,并从作业的单个页面的视频所包含的多帧图像中筛选出一帧图像作为目标图像,根据目标图像对该页面的作业进行自动批改,得到该页面的作业所对应的批改结果,从而基于视频场景下,只需要实时地连续自动采集不同作业页面所对应的视频,即可得到每个页面的作业所对应的批改结果,无需人工频繁点击拍照按钮对作业的每个页面进行拍照,能够提高对不同学生的不同页面的作业进行自动批改的处理效率。
下面结合附图,对本申请的一些实施例作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1为本申请实施例提供的作业批改的处理方法的流程示意图。如图1所示,该方法包括以下步骤S11-S13:
S11、获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧。
其中,图像帧,英文为Image frame,是组成视频的最小单位,作业页面描述以作业的每个页面为单位的作业组成部分。
具体地,可以通过摄像头等视频采集设备实时地拍摄预设作业的单个页面所对应的视频,即作业视频,也可以为从其它视频中提取的作业的单个页面所对应的视频来得到作业视频,从而获取作业视频,其中,作业视频描述预设作业所对应的连续图像帧。例如,借助电子设备进行作业辅助批改时,将学生在线下作答完成的试题作为预设作业,在老师进行预设作业批改的同时,通过视频采集设备实时地拍摄老师批改的试题所对应的作业页面,得到作业视频,并经过后续处理得到批改结果,并将批改结果显示至显示屏幕,以实现将批改结果供老师参考,实现对老师作业批改进行辅助。
对于单个的作业页面,由于会采集到重复的图像帧,基于此,获取作业页面所对应的重复图像帧,并从重复图像帧中确定至少一个图像帧作为作业页面的图像帧,其中,重复图像帧描述若干帧图像判断为相同的图像,即重复图像帧描述若干帧图像判断为描述相同内容的图像。例如,对于获取的作业视频,提取作业视频包含的初始图像帧,并判断相邻的两个初始图像帧是否属于同一个作业页面。
进一步地,所述从所述重复图像帧中确定至少一个图像帧作为所述作业页面的图像帧,包括:从所述重复图像帧中选取满足预设图像帧条件的至少一个图像帧作为所述作业页面的图像帧。
具体地,确定作业页面的图像帧时,预先设置从重复图像帧中选取图像帧的预设图像帧条件,预设图像帧条件可以为图像帧在作业视频中的位置顺序或者时间顺序等图像顺序比较靠前,预设图像帧条件也可以为图像的清晰度比较高,预设图像帧条件还可以为图像为无遮挡等不残缺的图像,或者预设图像帧条件为包含的文字等信息比较多。例如,将所有重复图像帧中处在作业视频的第一帧的图像帧作为作业页面的图像帧,或者将所有重复图像帧中清晰度最高的图像帧作为作业页面的图像帧,亦或先过滤掉残缺的图像、再从过滤后的重复图像帧中选取若干靠前的或者图像清晰度比较高的图像帧等其它方式选择图像帧,从而从重复图像帧中选取满足预设图像帧条件的至少一个图像帧作为作业页面的图像帧。
对于属于同一个作业页面的若干个相邻图像帧,选取其中至少一个图像帧作为该作业页面所对应的图像帧,从而确定该单个的作业页面所对应的图像帧。从而将同一个作业页面的多个重复图像帧进行去重处理,仅处理作业页面所对应的图像帧,其它图像帧可以舍弃,能够提高后续对作业页面所对应的图像帧的处理效率,进而提高作业批改的处理效率,并节省系统资源。
S12、确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本。
具体地,由于作业一般分为印刷体的题干与手写体的试题作答文本两部分,可以将印刷体的题干训练样本进行标注,得到印刷体的题干训练样本,并将手写体的试题作答文本训练样本进行标注,得到手写体的试题作答文本训练样本,并采用上述的题干训练样本与试题作答文本训练样本分别训练预设文本行检测模型,然后采用训练好的预设文本行检测模型,对图像帧进行识别,以将图像帧识别为两部分,一部分为印刷体的试题的题干,即印刷体文本,另一部分为题干所对应的手写体的试题作答文本,即手写体文本,从而将印刷体文本与手写体文本进行分离,即将题干与题干对应的试题作答文本进行分离。
S13、获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
具体地,对于图像帧包含的印刷体文本,进行整页划题,并对每题进行文字识别,例如OCR识别,得到每题的题干,并根据每题的试题编号等试题标识或者题干,获取题干所对应的预设答案,并对手写体文本进行OCR识别,得到试题作答文本,并将试题作答文本与预设答案进行比较,来判断试题作答文本是否正确,从而得到试题所对应的批改结果。
进一步地,将题干输入至预设搜题模型,或者根据题干去预设数据库进行匹配,得到题干所对应的预设答案,根据题干进行试题搜索,能够实现对试题的预设答案的精确搜索。
进一步地,根据试题作答文本与预设答案,得到试题所对应的批改结果,包括:判断试题作答文本是否包含预设答案;若试题作答文本包含预设答案,将试题作答文本标注为“正确”;若试题作答文本未包含预设答案,将试题作答文本标注为“错误”;将“正确”或者“错误”作为试题所对应的批改结果。
具体地,判断试题作答文本是否包含预设答案,若试题作答文本包含预设答案,判定试题作答文本正确,将该试题作答文本标注为正确,例如采取“√”标识描述正确,若试题作答文本未包含预设答案,判定试题作答文本错误,将该试题作答文本标注为错误,例如采取“×”标识描述错误,并将“正确”与“错误”各自所对应的标识贴到图像帧上,从而根据试题作答文本与预设答案,得到试题所对应的批改结果。
本申请实施例,通过获取作业视频,并根据作业视频,确定作业页面所对应的图像帧,然后确定图像帧包含的试题的题干及题干所对应的试题作答文本,再获取题干所对应的预设答案,并根据试题作答文本与预设答案,得到试题所对应的批改结果,能够基于视频场景下,只需要自动采集不同作业页面所对应的视频,即可得到每个作业页面的作业所对应的批改结果,无需人工频繁点击拍照按钮对作业的每个页面进行拍照,能够提高对不同学生的不同作业页面的作业进行自动批改的处理效率。
在一实施例中,请参阅图2,图2为本申请实施例提供的作业批改的处理方法的第一个子流程示意图。如图2所示,在该实施例中,所述获取作业页面所对应的重复图像帧,包括:
S21、获取所述作业视频包含的所有初始图像帧,并从所有所述初始图像帧中获取相邻的两个图像帧作为相邻图像帧;
S22、将所述相邻图像帧分别进行文字识别,得到第一识别文本与第二识别文本;
S23、计算所述第一识别文本与所述第二识别文本的文本相似度;
S24、根据所述文本相似度,确定所述作业页面的重复图像帧。
具体地,将作业视频按照每帧图像进行抽取,得到作业视频包含的图像帧,即初始图像帧,获取作业视频包含的所有初始图像帧,并可以将所有初始图像帧按照各自在作业视频中的前后顺序进行排序,得到图像帧序列,再获取图像帧序列包含的前后相邻的两个图像帧,即相邻图像帧,其中,初始图像帧描述从作业视频中提取的初始的图像帧。
将前后相邻的两个图像帧,即相邻图像帧,分别进行文字识别,例如进行OCR文字识别,得到第一识别文本与第二识别文本,其中,OCR,英文为Optical CharacterRecognition,光学字符识别,是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。
然后计算第一识别文本与第二识别文本的文本相似度,并根据文本相似度,确定作业页面的重复图像帧。在一示例中,根据文本相似度,确定作业页面的重复图像帧时,可以判断文本相似度是否大于或者等于预设文本相似度阈值,以判断第一识别文本与第二识别文本是否属于同一个作业页面的文本,若文本相似度大于或者等于预设文本相似度阈值,例如,若文本相似度大于或者等于0.7,判定第一识别文本与第二识别文本属于同一个作业页面的文本,进而判定相邻图像帧属于同一个作业页面的图像,且将相邻图像帧作为作业页面的重复图像帧;若文本相似度小于预设文本相似度阈值,判定第一识别文本与第二识别文本不属于同一个作业页面的文本,进而判定相邻图像帧不属于同一个作业页面的图像,不将所述相邻图像帧作为所述作业页面的重复图像帧。在其它示例中,也可以根据文本相似度,采取其它方式确定作业页面的重复图像帧,例如,将文本相似度输入预设相似度判断模型,判断相邻图像帧是否为重复图像帧等。预设相似度判断模型可以采用有监督方式进行训练,即将训练样本进行标注以使预设相似度判断模型通过训练样本进行自动学习来训练预设相似度判断模型。
本申请实施例,通过将相邻图像帧的图像相似度判断转换为文本相似度的判断,能够提高对相邻图像帧的图像相似度判断的准确性与判断效率。
在一实施例中,请参阅图3,图3为本申请实施例提供的作业批改的处理方法的第二个子流程示意图。如图3所示,在该实施例中,所述计算所述第一识别文本与所述第二识别文本的文本相似度,包括:
S31、获取所述第一识别文本包含的第一文本行及所述第二识别文本包含的第二文本行;
S32、根据所述第一文本行与所述第二文本行,计算所述第一识别文本与所述第二识别文本之间的文本行匹配数;
S33、根据所述文本行匹配数,计算所述第一识别文本与所述第二识别文本的文本相似度。
具体地,将第一识别文本包含的文本行描述为第一文本行,将第二识别文本包含的文本行描述为第二文本行,以将不同识别文本包含的文本行进行区别,并获取第一识别文本包含的第一文本行及第二识别文本包含的第二文本行,其中,文本行描述每一行的文本,文本行包含第一文本行与第二文本行。需要说明的是,第一文本行与第二文本行中的“第一”与“第二”只是为了区分不同的文本行,不是为了限定文本行。
根据第一文本行与第二文本行,计算第一识别文本与第二识别文本之间的文本行匹配数,其中,文本匹配数用于表征文本行匹配成功的数量,即文本行匹配数描述第一文本行与第二文本行之间的文本行为相同或者相似文本行的数量。计算第一识别文本与第二识别文本之间的文本行匹配数,可以通过计算第一文本行与第二文本行之间的相似度,相似度计算可以通过编辑距离公式或者欧式距离等距离计算方式进行计算,且若相似度大于预设值表明第一文本行与第二文本行匹配成功,否则,表明第一文本行与第二文本行匹配不成功。
例如,以编辑距离公式计算第一文本行与第二文本行之间的相似度为例,获取第一识别文本包含的第一文本行及第二识别文本包含的第二文本行,然后基于预设编辑距离公式,计算每个第一文本行与每个第二文本行之间的文本行相似度,并统计文本行相似度大于或者等于预设文本行相似度阈值的数量,得到第一识别文本与第二识别文本之间的文本行匹配数。其中,编辑距离,英文为Edit distance,是一种距离,用于衡量两个字符串之间的远近程度,即相似程度,方式是一个字符串至少需要多少次基础变换才能变成另一个字符串,根据可操作的基础变换不同,可分为以下几种:1)莱文斯坦距离,英文为Levenshtein distance,最常见的编辑距离,基础变换包括插入、删除和替换;2)最长公共子序列(LCS)距离:基础变换包括插入和删除;3)Jaro距离:基础变换只包括转置,即交换两个字符的位置,AB->BA;4)汉明距离:基础变换只包括替换,所以只能应用于两个字符串长度相等的情况。例如,若第一识别文本包含五个文本行分别为:A1、B1、C1、D1、E1,第二识别文本包含四个文本行分别为:A2、B2、C2、D2,分别计算A1与A2、B2、C2、D2之间的文本行相似度,分别计算B1与A2、B2、C2、D2之间的文本行相似度,以此类推,直至分别计算E1与A2、B2、C2、D2之间的文本行相似度,从而得到A1、B1、C1、D1、E1分别与A2、B2、C2、D2各自之间两两文本行之间的文本行相似度,再根据所有文本行相似度,统计文本行相似度大于或者等于预设文本行相似度阈值的数量,得到第一识别文本与所述第二识别文本之间的文本行匹配数。
再根据文本行匹配数,计算第一识别文本与第二识别文本的文本相似度。在一示例中,可以根据第一识别文本与第二识别文本中文本行的数量确定文本行数量,文本行数量描述第一识别文本与第二识别文本中文本行的数量的大小,文本行数量可以为第一识别文本与第二识别文本中文本行的数量中较大者、较小者或者二者文本行数量的均值。例如,将第一识别文本包含的文本行的数量与第二识别文本包含的文本行的数量比较大小,并取较大值或者较小值,得到文本行数量。再计算文本行匹配数与文本行数量的比值,并将比值作为第一识别文本与第二识别文本的文本相似度。例如,上述第一识别文本包含五个文本行,第二识别文本包含4个文本行,文本行数量取5,并计算文本行匹配数与文本行数量的比值,并将比值作为第一识别文本与第二识别文本的文本相似度。在其它示例中,根据文本行匹配数,计算第一识别文本与第二识别文本的文本相似度,也可以通过其它方式计算计算,例如,通过计算文本行匹配数占文本行之和的比例,文本行之和描述第一识别文本的文本行数量与第二识别文本的文本行数量的和值,确定第一识别文本与第二识别文本的文本相似度。
本申请实施例通过计算第一识别文本与第二识别文本之间的两个单行文本的文本行相似度,来统计第一识别文本与第二识别文本之间的文本相似度,相比于将识别文本的所有文本行作为整体来统计第一识别文本与第二识别文本之间的文本相似度而存在的不同文本行之间的顺序会存在乱序的可能,能够提高第一识别文本与第二识别文本之间的文本相似度的准确性与正确性,进而提高对两个初始图像帧的图像相似度判断的准确性与正确性。
在一实施例中,请参阅图4,图4为本申请实施例提供的作业批改的处理方法的第三个子流程示意图。如图4所示,在该实施例中,所述确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本,包括:
S41、将所述图像帧进行文本识别,得到印刷体文本与手写体文本;
S42、将所述印刷体文本进行划题,得到每道试题,并对所述试题进行文字识别,得到题干;
S43、将所述手写体文本进行文字识别,得到试题作答文本,并将所述试题作答文本与所述题干进行匹配,得到所述题干所对应的试题作答文本。
具体地,将图像帧进行文本识别,主要为识别文本行的字体所对应的字体属性为印刷体属性还是手写体属性,如上所述可以采用预设文本行检测模型对图像帧进行文本识别,得到印刷体文本与手写体文本,将印刷体文本与手写体文本从图像帧上进行分离,从而将图像帧分为印刷体文本行与手写体文本行;并将印刷体文本进行划题,例如采取整页划题,得到每道试题,并对试题进行文字识别,得到试题对应的题干;并且将手写体文本进行文字识别,得到试题作答文本,将试题作答文本与题干进行匹配,例如,根据试题作答文本与题干在图像帧上的位置关系,或者将印刷体文本与手写体文本从图像帧上进行分离时,采用试题编号等预设试题标识将试题的题干与试题作答文本各自所对应的图像部分进行对应关联,然后根据位置关系或者预设试题标识等试题作答文本与题干之间的预设对应关系,将试题作答文本与对应题干进行匹配,得到题干所对应的试题作答文本。
在一实施例中,请参阅图5,图5为本申请实施例提供的作业批改的处理方法的第四个子流程示意图。如图5所示,在该实施例中,所述从所述重复图像帧中确定至少一个图像帧作为所述作业页面的图像帧,包括:
S51、获取每个重复图像帧及所述重复图像帧所对应的图像顺序,所述图像顺序描述所述重复图像帧在所述作业视频中的位置顺序或者时间顺序;
S52、根据所述图像顺序,将处在所述作业视频的第一帧的重复图像帧作为所述作业页面的图像帧。
具体地,从作业视频中获取重复图像帧所对应的初始图像帧时,确定初始图像帧在作业视频中的顺序,即初始图像帧的图像顺序,图像顺序即为重复图像帧在作业视频中的顺序,图像顺序可以为初始图像帧在作业视频所对应的所有图像帧中的帧位置所对应的位置顺序,图像顺序也可以为初始图像帧在作业视频所对应的所有图像帧中的帧播放时间所对应的时间顺序。
然后获取每个重复图像帧及重复图像帧所对应的图像顺序,图像顺序描述重复图像帧在作业视频中的位置顺序或者时间顺序,图像顺序为从作业视频中获取重复图像帧所对应的初始图像帧时确定的,对于单个的作业页面存在多个重复图像帧的情形,根据图像顺序,将多个重复图像帧中的第一帧作为作业页面的图像帧。例如,对于单个的作业页面,若有ABCDE五个重复图像帧,若重复图像帧A相比于其它四个重复图像帧,处在作业视频的最前面,即重复图像帧A为首先拍摄的,即为该作业页面的首帧图像,将重复图像帧A作为该作业页面所对应的图像帧,相比于选取其它重复图像帧作为该作业页面的图像帧,能够提高对该作业页面的图像帧处理的时效性与实时性,从而提高输出批改作业的效率,尤其在进行作业辅助批改时,能够及时地将自动进行的批改结果显示在显示屏幕上,以便于对老师进行作业批改进行实时的辅助。
在一实施例中,所述得到所述试题所对应的批改结果之后,还包括:
将所述批改结果进行显示。
具体地,将批改结果进行显示,可以将批改结果实时地同步至显示屏幕上,预设显示屏幕可以为智能手机、平板电脑、笔记本电脑或者台式计算机等电子设备的显示屏,也可以将批改结果进行投影,例如,投影在桌面、墙壁或者显示幕布等显示介质上,将批改结果进行显示的具体显示形式不做限定,从而实时展示作业中当前页面的试题所对应的批改结果,尤其在老师批改作业时,以便老师进行参照,实现作业的辅助批改,尤其可以让老师根据批改结果,重点关注批改结果中显示判错的试题,能够提高老师批改作业的处理效率。例如,将批改结果以“勾”或者“叉”的形式贴到试题的图像帧上并显示至预设显示屏幕上,在预设显示屏幕上展示给老师看,供老师参考。
在一实施例中,请参阅图6,图6为本申请实施例提供的作业批改的处理方法的第五个子流程示意图。如图6所示,在该实施例中,所述确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本,包括:
S61、获取所述图像帧,并检测所述图像帧的边界;
S62、根据所述边界,获取所述图像帧包含的文本所对应的文本图像,所述文本图像描述所述图像帧的文本所对应的图像;
S63、确定所述文本图像包含的试题的题干及所述题干所对应的试题作答文本。
具体地,获取图像帧,可以根据预设页面检测模型或者预设页面检测算法,预设页面检测模型可以为差分算子、Roberts算子、Sobel算子、Prewitt算子、Log算子以及Canny算子等边缘检测算子,检测图像帧的边界。然后根据确定的图像帧的边界,一般边界以内为文本所对应的图像,边界以外为空白图像等不相关信息,以边界为分界线,将图像帧的边缘外部分剔除,即可得到图像帧包含的文本所对应的文本图像,文本图像描述图像帧的文本所对应的图像,然后根据文本图像,确定文本图像包含的试题的题干及题干所对应的试题作答文本。
本申请实施例,根据预设页面检测模型,检测图像帧的边界,通过图像的边缘检测,然后从图像帧中提取文本图像,并基于文本图像进行后续处理,能够大幅度地减少图像的数据量,并且剔除了不相关的图像信息,仅保留文本所在的图像,能够提高文本图像的处理效率,进而提高确定文本图像包含的试题的题干及题干所对应的试题作答文本的效率。
在一实施例中,请参阅图7,图7为本申请实施例提供的作业批改的处理方法的第六个子流程示意图。如图7所示,在该实施例中,所述确定所述文本图像包含的试题的题干及所述题干所对应的试题作答文本,包括:
S71、将所述文本图像进行透视校正,得到第一校正图像;
S72、确定所述第一校正图像包含的试题的题干及所述题干所对应的试题作答文本。
具体地,根据文本图像,可以采用预设图像透视校正模型或者预设图像透视校正算法,将文本图像进行透视校正,得到第一校正图像,其中,图像的透视校正为将拍摄或者扫描的不规则图像经过透视变换转换为规则的图像,从而避免不规则图像影响后续的图像处理效果,预设图像透视校正模型可以采用二值分割、形态学方法、Hough直线等算法进行图像的透视校正。然后根据第一校正图像,确定第一校正图像包含的试题的题干及所述题干所对应的试题作答文本,能够提高图像处理的效果,进而提高确定文本图像包含的试题的题干及题干所对应的试题作答文本的效率与效果。
更进一步地,所述确定所述第一校正图像包含的试题的题干及所述题干所对应的试题作答文本,包括:
将所述第一校正图像进行图像增强,得到第一增强图像;
确定所述第一增强图像包含的试题的题干及所述题干所对应的试题作答文本。
具体地,根据第一校正图像,可以采用预设图像增强模型或者预设图像增强算法,将第一校正图像进行图像增强,得到第一增强图像,图像增强为通过图像处理方法对图像特征,如边缘、轮廓、对比度等进行处理,以改善图像的视觉效果,提高图像的清晰度,将图像转换为进行分析处理的形式,然后根据第一增强图像,确定第一增强图像包含的试题的题干及所述题干所对应的试题作答文本,预设图像增强模型可以采用直方图均衡化、拉普拉斯、Log、伽马变换等图像增强算法。
本申请实施例通过预设图像增强模型,对第一校正图像进行增强处理,去除光照阴影等,得到类似扫描的图片,能够使图像显示效果更清晰与更准确,图像的视觉效果更好,使得人工视觉上看得更舒服。
在一实施例中,所述确定所述文本图像包含的试题的题干及所述题干所对应的试题作答文本,包括:将所述文本图像进行图像增强,得到第二增强图像;确定所述第二增强图像包含的试题的题干及所述题干所对应的试题作答文本。
进一步地,所述确定所述第二增强图像包含的试题的题干及所述题干所对应的试题作答文本,包括:将所述第二增强图像进行透视校正,得到第二校正图像;确定所述第二校正图像包含的试题的题干及所述题干所对应的试题作答文本。
具体地,先将文本图像进行图像增强,再将图像增强后的图像进行透视校正,对文本图像的具体图像增强及透视校正,可以参考前述具体实施方式,在此不再赘述。
在一实施例中,作业批改的处理包括以下过程:1)获取作业视频,并获取作业视频包含的所有初始图像帧,然后从所有初始图像帧中获取相邻的两个图像帧作为相邻图像帧;2)将相邻图像帧分别进行文字识别,得到第一识别文本与第二识别文本;3)获取第一识别文本包含的第一文本行及第二识别文本包含的第二文本行;4)基于预设编辑距离公式,计算每个第一文本行与每个第二文本行之间的文本行相似度;5)统计文本行相似度大于或者等于预设文本行相似度阈值的数量,得到第一识别文本与第二识别文本之间的文本行匹配数;6)根据第一识别文本与第二识别文本中文本行的数量确定文本行数量;7)计算文本行匹配数与文本行数量的比值,并将比值作为第一识别文本与第二识别文本的文本相似度;8)判断文本相似度是否大于或者等于预设文本相似度阈值,若文本相似度大于或者等于预设文本相似度阈值,将相邻图像帧作为作业页面的重复图像帧,否则,不将相邻图像帧作为作业页面的重复图像帧;9)从重复图像帧中选取满足预设图像帧条件的至少一个图像帧作为作业页面的图像帧,其中,预设图像帧条件可以为图像帧在作业视频中的图像顺序、图像清晰度或者图像完整度等条件;10)将图像帧进行图像校正及图像增强,并将图像校正及图像增强后的图像进行文本识别,得到印刷体文本与手写体文本;11)将印刷体文本进行划题,得到每道试题,并对试题进行文字识别,得到题干;12)将题干输入至预设搜题模型,得到题干所对应的预设答案;14)将手写体文本进行文字识别,得到试题作答文本,并将试题作答文本与题干进行匹配,得到题干所对应的试题作答文本;15)根据试题作答文本与预设答案,得到试题所对应的批改结果。
需要说明的是,上述各个实施例所述的作业批改的处理方法,可以根据需要将不同实施例中包含的技术特征重新进行组合,以获取组合后的实施方案,但都在本申请要求的保护范围之内。
请参阅图8,图8为本申请实施例提供的作业批改的处理装置的示意性框图。对应于上述的作业批改的处理方法,本申请实施例还提供一种作业批改的处理装置。如图8所示,该作业批改的处理装置包括用于执行上述的所述作业批改的处理方法的单元,该作业批改的处理装置可以被配置于计算机设备中。具体地,请参阅图8,所述作业批改的处理装置80包括第一获取单元81、第二获取单元82及第三获取单元83。
其中,第一获取单元81,用于获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧;
第二获取单元82,用于确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本;
第三获取单元83,用于获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
在一实施例中,所述第一获取单元81,用于获取作业页面所对应的重复图像帧,并从所述重复图像帧中确定至少一个图像帧作为所述作业页面的图像帧。
在一实施例中,所述第一获取单元81包括:
第一获取子单元,用于获取所述作业视频包含的所有初始图像帧,并从所有所述初始图像帧中获取相邻的两个图像帧作为相邻图像帧;
第一识别子单元,用于将所述相邻图像帧分别进行文字识别,得到第一识别文本与第二识别文本;
第一计算子单元,用于计算所述第一识别文本与所述第二识别文本的文本相似度;
第一判断子单元,用于判断所述文本相似度是否大于或者等于预设文本相似度阈值;
第一判定子单元,用于若所述文本相似度大于或者等于预设文本相似度阈值,将所述相邻图像帧作为所述作业页面的重复图像帧。
在一实施例中,所述第一计算子单元包括:
第二获取子单元,用于获取所述第一识别文本包含的第一文本行及所述第二识别文本包含的第二文本行,其中,文本行描述每一行的文本;
第二计算子单元,用于基于预设编辑距离公式,计算每个所述第一文本行与每个所述第二文本行之间的文本行相似度;
第一统计子单元,用于统计所述文本行相似度大于或者等于预设文本行相似度阈值的数量,得到所述第一识别文本与所述第二识别文本之间的文本行匹配数;
第三获取子单元,用于根据所述第一识别文本与所述第二识别文本中文本行的数量确定文本行数量;
第三计算子单元,用于计算所述文本行匹配数与所述文本行数量的比值,并将所述比值作为所述第一识别文本与所述第二识别文本的文本相似度。
在一实施例中,所述第一获取单元81,用于从所述重复图像帧中选取满足预设图像帧条件的至少一个图像帧作为所述作业页面的图像帧。
在一实施例中,所述第二获取单元82包括:
第二识别子单元,用于将所述图像帧进行文本识别,得到印刷体文本与手写体文本;
划题子单元,用于将所述印刷体文本进行划题,得到每道试题,并对所述试题进行文字识别,得到题干;
匹配子单元,用于将所述手写体文本进行文字识别,得到试题作答文本,并将所述试题作答文本与所述题干进行匹配,得到所述题干所对应的试题作答文本。
在一实施例中,所述第三获取单元83,用于将所述题干输入至预设搜题模型,得到所述题干所对应的预设答案。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述作业批改的处理装置和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
同时,上述作业批改的处理装置中各个单元的划分和连接方式仅用于举例说明,在其他实施例中,可将作业批改的处理装置按照需要划分为不同的单元,也可将作业批改的处理装置中各单元采取不同的连接顺序和方式,以完成上述作业批改的处理装置的全部或部分功能。
上述作业批改的处理装置可以实现为一种计算机程序的形式,该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9,图9是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是台式机电脑或者服务器等计算机设备,也可以是其他设备中的组件或者部件。
参阅图9,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504,所述存储器也可以为易失性存储介质。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行一种上述作业批改的处理方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种上述作业批改的处理方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图9所示实施例一致,在此不再赘述。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如上所描述的作业批改的处理方法。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来完成,该计算机程序可存储于一计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本申请还提供一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质,也可以为易失性的计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时使处理器执行如下步骤:
一种计算机程序产品,当其在计算机上运行时,使得计算机执行以上各实施例中所描述的所述作业批改的处理方法的步骤。
所述计算机可读存储介质可以是前述设备的内部存储单元,例如设备的硬盘或内存。所述计算机可读存储介质也可以是所述设备的外部存储设备,例如所述设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储计算机程序的实体存储介质。
本领域普通技术人员可以意识到,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。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,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。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本申请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。本申请实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,终端,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
以上所述,仅为本申请的具体实施方式,但本申请明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种作业批改的处理方法,其特征在于,包括:
获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧;
确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本;
获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
2.根据权利要求1所述作业批改的处理方法,其特征在于,所述根据所述作业视频,确定作业页面所对应的图像帧,包括:
获取作业页面所对应的重复图像帧,并从所述重复图像帧中确定至少一个图像帧作为所述作业页面的图像帧。
3.根据权利要求2所述作业批改的处理方法,其特征在于,所述获取作业页面所对应的重复图像帧,包括:
获取所述作业视频包含的所有初始图像帧,并从所有所述初始图像帧中获取相邻的两个图像帧作为相邻图像帧;
将所述相邻图像帧分别进行文字识别,得到第一识别文本与第二识别文本;
计算所述第一识别文本与所述第二识别文本的文本相似度;
根据所述文本相似度,确定所述作业页面的重复图像帧。
4.根据权利要求3所述作业批改的处理方法,其特征在于,所述计算所述第一识别文本与所述第二识别文本的文本相似度,包括:
获取所述第一识别文本包含的第一文本行及所述第二识别文本包含的第二文本行;
根据所述第一文本行与所述第二文本行,计算所述第一识别文本与所述第二识别文本之间的文本行匹配数;
根据所述文本行匹配数,计算所述第一识别文本与所述第二识别文本的文本相似度。
5.根据权利要求2-4任一项所述作业批改的处理方法,其特征在于,所述从所述重复图像帧中确定至少一个图像帧作为所述作业页面的图像帧,包括:
从所述重复图像帧中选取满足预设图像帧条件的至少一个图像帧作为所述作业页面的图像帧。
6.根据权利要求1所述作业批改的处理方法,其特征在于,所述确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本,包括:
将所述图像帧进行文本识别,得到印刷体文本与手写体文本;
将所述印刷体文本进行划题,得到每道试题,并对所述试题进行文字识别,得到题干;
将所述手写体文本进行文字识别,得到试题作答文本,并将所述试题作答文本与所述题干进行匹配,得到所述题干所对应的试题作答文本。
7.根据权利要求1所述作业批改的处理方法,其特征在于,所述获取所述题干所对应的预设答案,包括:
将所述题干输入至预设搜题模型,或者根据所述题干去预设数据库进行匹配,得到所述题干所对应的预设答案。
8.一种作业批改的处理装置,其特征在于,包括:
第一获取单元,用于获取作业视频,并根据所述作业视频,确定作业页面所对应的图像帧;
第二获取单元,用于确定所述图像帧包含的试题的题干及所述题干所对应的试题作答文本;
第三获取单元,用于获取所述题干所对应的预设答案,并根据所述试题作答文本与所述预设答案,得到所述试题所对应的批改结果。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器以及与所述存储器相连的处理器;所述存储器用于存储计算机程序;所述处理器用于运行所述计算机程序,以执行如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210969934.0A CN115457585A (zh) | 2022-08-12 | 2022-08-12 | 作业批改的处理方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210969934.0A CN115457585A (zh) | 2022-08-12 | 2022-08-12 | 作业批改的处理方法、装置、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457585A true CN115457585A (zh) | 2022-12-09 |
Family
ID=84299673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210969934.0A Pending CN115457585A (zh) | 2022-08-12 | 2022-08-12 | 作业批改的处理方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457585A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116682112A (zh) * | 2023-07-28 | 2023-09-01 | 青岛虹竹生物科技有限公司 | 一种多糖测试数据存储及数字化方法 |
-
2022
- 2022-08-12 CN CN202210969934.0A patent/CN115457585A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116682112A (zh) * | 2023-07-28 | 2023-09-01 | 青岛虹竹生物科技有限公司 | 一种多糖测试数据存储及数字化方法 |
CN116682112B (zh) * | 2023-07-28 | 2023-10-17 | 青岛虹竹生物科技有限公司 | 一种多糖测试数据存储及数字化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135411B (zh) | 名片识别方法和装置 | |
CN110705405B (zh) | 目标标注的方法及装置 | |
RU2651144C2 (ru) | Ввод данных с изображений документов с фиксированной структурой | |
CN109658584B (zh) | 一种票据信息识别方法及装置 | |
WO2017202232A1 (zh) | 名片内容识别方法、电子设备和存储介质 | |
US8280175B2 (en) | Document processing apparatus, document processing method, and computer readable medium | |
CN108509988B (zh) | 一种试卷分数自动统计方法、装置、电子设备及存储介质 | |
CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
JP7102103B2 (ja) | 携帯型の情報処理装置及び当該情報処理装置を用いた方法及びプログラム | |
CN110781877B (zh) | 一种图像识别方法、设备及存储介质 | |
CN114283156B (zh) | 一种用于去除文档图像颜色及手写笔迹的方法及装置 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN111639629A (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN105678301B (zh) | 一种自动识别并分割文本图像的方法、系统及装置 | |
US10395090B2 (en) | Symbol detection for desired image reconstruction | |
CN115457585A (zh) | 作业批改的处理方法、装置、计算机设备及可读存储介质 | |
CN110991357A (zh) | 一种答案匹配方法、装置和电子设备 | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
CN114494751A (zh) | 证照信息识别方法、装置、设备及介质 | |
CN114429636A (zh) | 图像扫描识别方法、装置及电子设备 | |
WO2022062027A1 (zh) | 酒品定位方法、酒品信息管理方法、装置、设备及存储介质 | |
US10803309B2 (en) | Identifying versions of a form | |
CN112308057A (zh) | 一种基于文字位置信息的ocr优化方法及系统 | |
CN109635798B (zh) | 一种信息提取方法及装置 | |
CN112396057A (zh) | 一种字符识别方法、装置及电子设备 |
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 |