CN115909339A - 答题图像获取及提交方法、装置、电子设备、存储介质 - Google Patents
答题图像获取及提交方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN115909339A CN115909339A CN202211403428.1A CN202211403428A CN115909339A CN 115909339 A CN115909339 A CN 115909339A CN 202211403428 A CN202211403428 A CN 202211403428A CN 115909339 A CN115909339 A CN 115909339A
- Authority
- CN
- China
- Prior art keywords
- question
- height
- current
- answer
- scroll
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种答题图像获取及提交方法、装置、电子设备、存储介质,所述答题图像获取方法包括:根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷;根据目标试卷,确定图像获取数量和图像识别信息;根据述图像获取数量和图像识别信息,获取目标试卷的答题图像。借此,本公开可供获取准确的答题图像,避免答题图像的错传或漏传等异常情形的发生。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种答题图像获取及提交方法、装置、电子设备、存储介质。
背景技术
随着互联网的不断发展,在线教育凭借其随时随地可供学习的特性,被越来越多的机构、老师以及学生所青睐。
在现有的在线教育方案中,老师可通过在线教育平台进行作业布置,以由在线教育平台将作业布置信息同步至各客户端(学生端)进行打印,从而提供学生进行答题,再通过扫描或拍照的形式将答题图像由各客户端上传至在线教育平台,以供老师针对答题结果进行批改。
然而,在现有技术中,客户端在上传答题图像时,大都无法确定答题图像的具体上传数量,容易导致答题图像多传或少传的异常情况。再者,即便答题图像的上传数量是正确的,也无法避免答题图像出现重复上传或者错传等问题的发生。
有鉴于此,亟需一种可提高答题图像上传准确率的处理手段。
发明内容
有鉴于此,本公开实施例提供一种答题图像获取及提交方法、装置、电子设备、存储介质,以至少部分地解决上述问题。
根据本公开的第一方面,提供了一种答题图像获取方法,包括:根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷;根据所述目标试卷,确定图像获取数量和图像识别信息;根据所述图像获取数量和所述图像识别信息,获取所述目标试卷的答题图像。
根据本公开的第二方面,提供了一种答题图像提交方法,包括:获取在线教育平台的目标试卷;根据所述在线教育平台给定的所述目标试卷的图像获取数量,向所述在线教育平台提交满足所述图像获取数量的所述目标试卷的多个答题图像;其中,所述目标试卷的图像获取数量,是利用如上述第一方面所述的答题图像获取方法所确定的。
根据本公开的第三方面,提供一种答题图像获取装置,包括:生成模块,用于根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷;确定模块,用于根据所述目标试卷,确定图像获取数量和图像识别信息;获取模块,用于根据所述图像获取数量和所述图像识别信息,获取所述目标试卷的答题图像。
根据本公开的第四方面,提供一种答题图像提交装置,包括:试卷获取模块,用于获取在线教育平台的目标试卷;图像提交模块,用于根据所述在线教育平台给定的所述目标试卷的图像获取数量,向所述在线教育平台提交满足所述图像获取数量的所述目标试卷的多个答题图像;其中,所述目标试卷的图像获取数量,是利用如上述第一方面所述的答题图像获取方法或利用如上述第三方面所述的答题图像获取装置所确定的。
根据本公开的第五方面,提供一种电子设备,包括:处理器;以及存储程序的存储器,其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述第一方面所述的答题图像获取方法,或执行根据上述第二方面所述的答题图像提交方法。
根据本公开的第六方面,提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如第一方面所述的答题图像获取方法,或执行根据上述第二方面所述的答题图像提交方法。
本公开各方面提供的答题图像获取及提交方案,根据各项组卷参数生成目标试卷,并根据生成的目标试卷,确定答题图像的获取数量和图像标识,据以准确获取目标试卷的答题图像,可有效避免答题图像错传、漏传等异常情况的发生,提升用户对于在线教育平台的使用体验。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1为本公开示例性实施例的答题图像获取方法的流程示意图。
图2为本公开另一示例性实施例的答题图像获取方法的流程示意图。
图3为本公开另一示例性实施例的答题图像获取方法的流程示意图。
图4为本公开另一示例性实施例的答题图像获取方法的流程示意图。
图5为本公开另一示例性实施例的答题图像获取方法的流程示意图。
图6为本公开示例性实施例的答题图像提交方法的流程示意图。
图7A至图7F为本公开示例性实施例的答题图像提交方法的应用示意图。
图8为本公开示例性实施例的答题图像获取装置的架构示意图。
图9为本公开示例性实施例的答题图像提交装置的架构示意图。
图10为本公开示例性实施例的电子设备的架构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“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”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
现有在线教育平台中,客户端在上传目标试卷的答题图像时,无法预知答题图像的具体上传数量,容易出现图像多传或漏传的现象;此外,还容易发生同一张答题图像重复上传,或者错传其他试卷的答题图像的异常。基于此,本公开提出一种答题图像获取方案,可供准确获取目标试卷的答题图像,以改善用户对于在线教育平台的使用体验。
以下参照各附图详细描述本公开的各实施例。
图1为本公开示例性实施例的答题图像获取方法的流程示意图。如图所示,本实施例主要包括以下步骤:
步骤S102,根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷。
于本实施例中,目标试卷可包括考试试卷、作业试卷等,以供学生执行习题训练或者考试。
可选地,题目参数可至少包括用于组成目标试卷的各题目(也可称为习题或试题)对应的各个题号。例如,可预建题库,以存储各题目各自的题目内容与题型,并为每一道题目生成唯一的题号。
于本实施例中,题目的题目内容可包括文本内容、表格内容、图片内容中的至少一个;题目的题型可包括选择题、填空题、简答题、论述题等。
可选地,排版参数可至少包括字体大小、行间距、字间距等参数。
可选地,卷面尺寸参数可包括卷面有效长度和卷面有效高度。其中,卷面有效长度用于标识目标试卷中各卷面的横向有效编辑尺寸,卷面有效高度用于标识目标试卷中各卷面的纵向有效编辑尺寸。
于本实施例中,可通过手动编辑方式,确定卷面有效长度和卷面有效高度,或者,可通过设定卷面规格(例如A3或A4规格),自动确定卷面有效长度和卷面有效高度。
步骤S104,根据目标试卷,确定图像获取数量和图像识别信息。
可选地,根据所生成的目标试卷,可以确定目标试卷包含的试卷页数以及目标试卷的每一页目标卷面中所包含的题目,因此,可根据目标试卷的试卷页数,确定待获取的答题图像的图像获取数量,并根据每一页目标卷面中包含的各题目对应的各题号,确定待获取的每一个答题图像的图像识别信息。
可选地,可根据每一页目标卷面包含的各题目对应的各题号,生成每一页目标卷面的卷面标识码,并根据每一页目标卷面的卷面标识码,确定每一个答题图像的图像识别信息。
可选地,卷面标识码可为根据目标卷面中各题目对应的各题号进行排列而生成的题号序列(即数组)。例如,根据目标卷面中所包含的题号1,2,3,4,5,6,生成数组形式的卷面标识码{1,2,3,4,5,6}。
可选地,可结合根据每一页目标卷面包含的各题目对应的各题号以及每一页目标卷面的页码,生成每一页目标卷面的卷面标识码。
可选地,卷面标识码也可以是根据目标卷面中各题目对应的各题号进行转换所生成的识别码(例如二维识别码)。
可选地,可将各目标卷面对应的各卷面标识码,编辑在各目标卷面的固定区域(例如,目标卷面的顶角区域或页脚区域等)。
步骤S106,根据图像获取数量和图像识别信息,获取目标试卷的答题图像。
可选地,可获取目标试卷的答题图像,并当判断所获取的答题图像的数量与图像获取数量相吻合时,根据每一页目标卷面的卷面标识码和每一个答题图像的图像识别信息进行比对,使得所获取的每一个答题图像与目标试卷中的每一页目标卷面一一对应。
具体地,客户端(例如学生端)可经由在线教育平台获取目标试卷,并通过线下打印目标试卷以进行答题,其中,目标试卷的每一页目标卷面的卷面标识码也会被同步打印到每一页答题纸上,以构成每一页答题纸(即后续的答题图像)的图像识别信息。在完成答题后,客户端可通过扫描或拍照方式的方式获取每一页答题纸的答题图像,并将所获取的每一个答题图像上传至在线教育平台。在线教育平台可判断所获取的答题图像的数量是否与图像获取数量(即目标试卷的试卷页数)相吻合,并当判断两者相吻合后,继续比对每一个答题图像的图像识别信息是否与每一页目标卷面的卷面标识码相吻合,若比对结果吻合,则完成答题图像的获取操作,若比对结果不吻合,则向客户端输出答题图像上传错误的提示信息。
较佳地,若比对结果不吻合,在线教育平台可进一步显示所获取的各答题图像中存在比对结果不吻合的答题图像,以提示客户端,其所上传的哪一张答题图像存在错误,和/或显示目标试卷中未获取答题图像的目标卷面,借以提示客户端目标试卷中的哪一页目标卷面尚未上传相应的答题图像。
于一实施例中,在对于答题图像的识别精度要求较低的情况下,可在步骤S104中采用数组形式的卷面标识码,通过在本步骤中比对目标卷面的卷面标识码(数组)和答题图像上的图像识别信息(数组),确定答题图像的识别召回率,当答题图像的识别召回率超过给定的召回阈值时,则答题图像通过识别检测。
例如,若目标卷面的卷面标识码为{1,2,3,4,5,6},答题图像的图像识别信息为{1,2,8,4,6},则可确定答题图像的识别召回率为83.3%,超过了给定的召回阈值80%,则答题图像通过识别检测。
于另一实施例中,在对于答题图像的识别精度要求较高的情况下,可在步骤S104中采用识别码(例如二维识别码)形式的卷面标识码,使得仅当目标卷面的卷面标识码(二维码)和答题图像上的图像识别信息(二维码)完全相同时,答题图像才可通过识别检测(即召回率为100%),本实施例具有识别快速且识别准确性高的优点。
综上所述,本实施例根据各项组卷参数生成目标试卷,并根据目标试卷的试卷页数和每一页目标卷面的卷面标识码,确定答题图像的图像获取数量和每一个答题图像的图像识别信息,借此,本公开的答题图像获取方案,可供准确获取目标试卷的答题图像,以有效避免答题图像错传、漏传等异常发生,以提升用户的产品使用体验。
图2示出了本申请另一示例性实施例的答题图像获取方法的处理流程图,本实施例示出了上述步骤S102的具体实施方案,其主要包括以下步骤:
步骤S202,根据题目参数中的各题号,确定每一个题号对应的题目的题目内容和题型。
例如,可根据题目参数中的各个题号,从预建的题库中获取每一个题号对应的题目的题目内容和题型。
于本实施例中,题目内容可包括文本内容、表格内容、图片内容中的至少一个。
例如,可采用三元组结构形式表示题目的题目内容,例如表示为:(char,pic,table)。
其中,char用于标识题目的文本内容中所包含的字符数量;pic用于标识题目的图片内容的长宽信息(Lpic,Wpic),若当前的题目不包含图片内容,则pic记为空;table用于标识题目的表格内容的长宽信息(Ltable,Wtable),若当前的题目不包含表格内容,则table记为空。
步骤S204,根据各题目对应的各题目内容、排版参数、卷面尺寸参数中的卷面有效长度,确定各题目对应的各题目高度。
可选地,针对各题目中的任意一个当前题目,根据当前题目的题目内容、排版参数(例如字体大小、行间距、字间距等)、卷面有效长度,计算当前题目的题目高度。
于本实施例中,可根据排版参数、卷面有效长度,分别计算当前题目中文本内容、表格内容、图片内容各自的单元高度,并根据文本内容、表格内容、图片内容各自的单元高度的加和结果,确定当前题目的题目高度,即WQ=Wrows+Wpic+Wtable,其中,WQ表示当前题目Q的题目高度,Wrows表示当前题目的文本内容的单元高度;Wpic表示当前题目的图片内容的单元高度,Wtable表示当前题目的表格内容的单元高度。
例如,针对题目的文字内容部分,可根据文字内容中包含的字符数量、排版参数、卷面有效长度,计算文字内容对应的编辑行数,其表示为:rows=a*N/L;
其中,rows表示文字内容对应的编辑行数,a表示字体大小(可包含字间距参数),N表示文字内容中包含的字符数量,L表示卷面有效长度。
需说明的是,若编辑行数的计算结果为非整数值,则采用向上取整的方式,确定最终的编辑行数,例如,若编辑行数的计算结果为5.3,则其最终的编辑行数应当为6。
于本实施例中,可根据编辑行数以及排版参数中的行间距,确定题目的文字内容的单元高度Wrows。
于本实施例中,针对题目的图片内容和表格内容两个部分,其相应的单元高度可设置为固定参数,或设置为基于实际的排版参数和卷面有效长度而动态调整的可变参数,且其相关的技术手段均属于本领域技术人员所熟知,故在本公开中不予赘述。
步骤S206,根据各题目对应的各题型与各题目高度、卷面尺寸参数中的卷面有效高度,确定各题目的优选排版顺序。
于本实施例中,可通过执行对应于多个遍历模式的多次模拟组卷,以确定各题目的优选排版顺序。
于本实施例中,所采用的遍历模式可至少包括:双指针遍历模式和依次遍历模式。
步骤S208,根据各题目的优选排版顺序,执行组卷编辑,生成目标试卷。
具体地,可根据各题目的优选排版顺序,依序获取待组卷的各题目对应的各题目内容并进行排版编辑,据以生成目标试卷。
综上所述,本实施例可基于最优的排版顺序执行组卷编辑,不仅可减少目标试卷的试卷生成页数,以减少答题纸张的打印数量;同时,也可相应减少答题图像的上传数量,以提高答题图像的上传处理效率并减少图像资源的存储空间。
图3示出了本申请另一示例性实施例的答题图像获取方法的处理流程图,本实施例示出了上述步骤S206的具体实施方案,其主要包括以下处理步骤:
步骤S302,根据各题目对应的各题目高度、卷面有效高度,确定目标试卷的卷面优选高度。
可选地,根据各题目对应的各题目高度、卷面有效高度,计算目标试卷的理论页数,并根据理论页数、各题目对应的各题目高度,确定目标试卷的卷面优选高度。
于本实施例中,可利用下述公式1,根据各题目对应的各题目高度、卷面有效高度,计算目标试卷的理论页数:
于上述公式1中,E表示目标试卷的理论页数,WaQi表示题型为a的第i道题目的题目高度,n1表示题型为a的题目的数量;WbQi表示题型为b的第i道题目的题目高度,n2表示题型为b的题目的数量;WcQi表示题型为c的第i道题目的题目高度,n3表示题型为c的题目的数量;L表示卷面有效高度。
于本实施例中,若目标试卷的理论页数E的计算结果为非整数值,则采用向上取整的方式更新理论页数,例如,若理论页数E的计算结果为4.5,则最终确定的理论页数应当为5。
于本实施例中,可利用下述公式2,根据目标试卷的理论页数、各题目对应的各题目高度,计算目标试卷的卷面优选高度。
于上述公式2中,WE表示目标试卷的卷面优选高度,E表示目标试卷的理论页数,WaQi表示题型为a的第i道题目的题目高度,n1表示题型为a的题目的数量;WbQi表示题型为b的第i道题目的题目高度,n2表示题型为b的题目的数量;WcQi表示题型为c的第i道题目的题目高度,n3表示题型为c的题目的数量。
步骤S304,根据各题目对应的各题型与各题目高度、卷面优选高度,执行对应于多个遍历模式的多次模拟组卷,以确定每一个遍历模式对应的模拟排版顺序和多个模拟卷面高度。
可选地,本实施例所采用的多个遍历模式至少包括有双指针遍历模式和依次遍历模式。
可选地,可根据不同的遍历模式,确定各遍历模式对应的各种模拟排版顺序,并基于各模拟排版顺序分别执行各题目的模拟组卷,据以确定每一个遍历模式的多个模拟卷面高度。
于本实施例中,任意一个遍历模式的各个模拟卷面高度,用于标识基于所述遍历模式的模拟排版顺序执行模拟组卷后,所生成的各模拟卷面对应的各卷面编辑高度,因此,模拟卷面高度的数量与模拟卷面的页数应当是相同的。
步骤S306,根据每一个遍历模式的各个模拟卷面高度、卷面优选高度,将各模拟排版顺序中的一个确定为各题目的优选排版顺序。
可选地,可根据每一个遍历模式的各模拟卷面高度、卷面优选高度,执行方差计算,确定每一个遍历模式的方差值,并根据每一个遍历模式的方差值,将方差值最小的一个遍历模式的模拟排版顺序,确定为各题目的优选排版顺序。
于本实施例中,针对各遍历模式中的任意一个当前遍历模式,可利用下述公式3,根据当前遍历模式的各模拟卷面高度、卷面优选高度执行方差计算,以确定当前遍历模式的方差值:
其中,Ni表示当前遍历模式的第i个模拟卷面高度(或表示当前遍历模式所生成的第i页模拟卷面的卷面编辑高度),m表示当前遍历模式包含有m个模拟卷面高度(或表示当前遍历模式生成了m页模拟卷面),WE表示卷面优选高度。
综上所述,本实施例的答题图像获取方法,利用多个遍历模式确定多种模拟排版顺序,并基于各模拟排版顺序分别执行多次模拟组卷,以根据各次模拟组卷结果,确定优选排版顺序,可有利于后续生成页数较少的目标试卷,并可减少答题图像的上传数量。
再者,本实施例通过计算目标试卷的理论页数,据以确定目标试卷的卷面优选高度,可实现目标试卷中各卷面高度的均匀分布,提高试卷整体布局的美感。
图4示出了本公开另一示例性实施例的答题图像获取方法的处理流程图,本实施例为上述步骤S304的具体实施方案,其主要包括以下步骤:
步骤S402,将各遍历模式中的任意一个确定为当前遍历模式。
于本实施例中,遍历模式至少包括双指针遍历模式、依次遍历模式。
步骤S404,根据各题目对应的各题型与各题目高度,利用当前遍历模式遍历各题目,并根据各题目的遍历顺序,确定当前遍历模式下各题目的模拟排版顺序。
可选地,可执行题型确定步骤,以将各题型中的一个确定为当前题型,并将对应当前题型的各题目确定为各当前题目,并根据各当前题目对应的各题目高度,利用当前遍历模式遍历各当前题目,直至每一个当前题目均被遍历,且重复执行题型确定步骤,直至每一个题型均被确定为当前题型,并根据各题目的遍历顺序,确定当前遍历模式下各题目的模拟排版顺序。
于一实施例中,在当前遍历模式为双指针遍历模式的情况下,可根据各当前题目对应的各题目高度,从未被遍历过的各当前题目中,交替遍历题目高度最大一个当前题目与题目高度最小的一个当前题目,直至每一个当前题目均被遍历。
例如,若各当前题目对应的各题目高度表示为{5,12,4,8,6},利用双指针遍历模式针对各当前题目的遍历顺序为{12,4,8,5,6},此遍历顺序即为双指针遍历模式下各当前题目的模拟排版顺序。
于另一实施例中,在当前遍历模式为依次遍历模式的情况下,可根据各当前题目对应的各题目高度,按照由大到小或由小到大的顺序,依次遍历每一个当前题目,直至每一个当前题目均被遍历。
例如,若各当前题目对应的各题目高度表示为{5,12,4,8,6},按照由大到小的顺序针对各当前题目的遍历顺序为{12,8,6,5,4};按照由小到大的顺序针对各当前题目的遍历顺序为{4,5,6,8,12},上述任意一种遍历顺序即为依次遍历模式下各当前题目的模拟排版顺序。
步骤S406,根据当前遍历模式下各题目的模拟排版顺序、各题目对应的各题目高度、卷面优选高度,执行模拟组卷,获得当前遍历模式的多个模拟卷面高度。
具体地,可根据各题目的模拟排版顺序、各题目对应的各题目高度、卷面优选高度,执行模拟组卷,获得当前遍历模式的模拟组卷结果,并根据当前遍历模式的模拟组卷结果,确定当前遍历模式的多个模拟卷面高度。
于本实施例中,可将当前遍历模式的各个模拟卷面高度标识为{N1,N2…Nn},其中,N1表示当前遍历模式的第一个模拟卷面高度(或可视为基于当前遍历模式所生成的第一页模拟卷面的模拟卷面高度);N2表示当前遍历模式的第二个模拟卷面高度(或可视为基于当前遍历模式所生成的第二页模拟卷面的模拟卷面高度),并以此类推。
综上所述,本实施例利用多种遍历方式,实现多种不同的模拟排版顺序,并基于各不同的模拟排版顺序分别执行模拟组卷操作,以获取每一种模拟排版顺序下的多个模拟卷面高度,可有利于后续从各模拟排版顺序中确定一个最优的排版顺序,提升目标试卷的组卷布局效果。
图5为本公开另一示例性实施例的答题图像获取方法的处理流程图,本实施例示出了上述步骤S406的具体实施方案,其主要包括以下处理步骤:
步骤S502,确定当前编辑高度的初始设定值。
于本实施例中,可根据卷面优选高度或通过人为设定方式,确定当前编辑高度的初始设定值。
步骤S504,根据各题目的模拟排版顺序,依序获取处于待编辑状态的一个题目以作为待编辑题目。
具体地,可根据上述步骤S404中所确定的各题目的模拟排版顺序,依序获取一个题目以作为待编辑题目。
步骤S506,判断待编辑题目的题目高度与当前编辑高度的加和结果是否大于卷面优选高度,若是,进行步骤S508,若否,进行步骤S510。
具体地,可将待编辑题目的题目高度与当前编辑高度进行加和,并将二者的加和结果与卷面优选高度进行比对,若加和结果大于卷面优选高度,进行步骤S508,若加和结果不大于卷面优选高度,进行步骤S510。
步骤S508,将当前编辑高度确定为当前遍历模式的一个模拟卷面高度,并初始化当前编辑高度。
具体地,若待编辑题目的题目高度与当前编辑高度的加和结果大于卷面优选高度,代表当前编辑卷面中的剩余编辑高度不足(当前编辑卷面中的剩余编辑高度小于待编辑题目的题目高度),则执行模拟组卷的分页操作,以将当前编辑高度确定为当前遍历模式的一个模拟卷面高度,并将当前编辑高度恢复为初始设定值。
步骤S510,将待编辑题目更新为已编辑状态,并根据加和结果更新当前编辑高度。
具体地,若待编辑题目的题目高度与当前编辑高度的加和结果不大于卷面优选高度,代表可在当前编辑卷面中存在足够的剩余编辑高度,则在当前编辑卷面中执行待编辑题目的编辑,并将待编辑题目由待编辑状态更新为已编辑状态,且根据待编辑题目的题目高度与当前编辑高度的加和结果,更新当前编辑卷面的当前编辑高度。
步骤S512,判断是否每一个题目均被更新为已编辑状态,若是,结束本流程,若否,继续执行步骤S504。
具体地,若判断每一个题目均被更新为已编辑状态,代表所有题目的模拟组卷操作已经完成,则结束本流程,否则,返回执行步骤S504,以依序获取下一个处于待编辑状态的题目,并继续执行模拟组卷操作。
综上所述,本实施例提供的答题图像获取方法,基于所确定的卷面优选高度,执行各遍历模式下的模拟组卷操作,以准确获取各遍历模式对应的各模拟组卷结果,可有利于后续准确确定各题型的优选排版顺序,从而生成具有较少卷面数量的目标试卷。
图6示出了本公开示例性实施例的答题图像提交方法的处理流程图。如图所示,本实施例主要包括以下步骤:
步骤S602,获取在线教育平台的目标试卷。
具体地,可借由客户端(例如笔记本电脑、桌上型电脑、平板、手机等电子设备)登录在线教育平台,以获取目标试卷。
例如,学生可经由客户端登陆在线教育平台的试卷获取界面(未示出),获取目标试卷,并通过线下打印目标试卷的方式,以获取目标试卷的多页答题纸,并进行答题作业,其中,打印获得的每一页答题纸与目标试卷中的每一页目标卷面应当是一一对应的,亦即,答题纸的页数与目标试卷中的目标卷面的页数应当是相同的。例如,若目标试卷包含有4页目标卷面,则答题纸也应当为4张。
步骤S604,根据在线教育平台给定的目标试卷的图像获取数量,向在线教育平台提交满足图像获取数量的目标试卷的多个答题图像。
于本实施例中,目标试卷的图像获取数量,是利用上述图1至图5中任意一个实施例所示的答题图像获取方法所确定的。
具体地,在完成目标试卷的答题作业后,客户端可登陆在线教育平台的答题图像提交界面,通过扫描或拍照方式的方式获取每一页答题纸的答题图像并进行提交,直至答题图像的提交数量与答题图像提交界面所给定的目标试卷的图像获取数量相吻合。例如,若目标试卷包含有4页目标卷面,目标试卷的图像获取数量即为4张,对应的,答题图像的提交数量也应当是4张。
示例性地,参考图7A至图7F,在完成目标试卷的答题作业后,客户端可登陆在线教育平台的答题图像提交界面700,在线教育平台可根据客户端所获取的目标试卷,在答题图像提交界面700中提示目标试卷的图像获取数量(参考图7A和图7B的提示窗口701),客户端可通过触发答题图像提交界面700中的提交键702,并根据答题图像提交界面700中提示的图像获取数量,向在线教育平台提交相应数量的答题图像(参考图7B)。
可选地,可根据目标试卷的图像获取数量,在答题图像提交界面700中显示相应数量的提示框,以提示答题图像的提交执行进度。
例如,在图7C至图7F所示实施例中,提示了目标试卷的图像获取数量为4页,则在答题图像提交界面700中可对应显示4个提示框703a至703d,以具体提示当前已提交(或已上传)的答题图像的数量以及待提交(或待上传)的答题图像的数量。其中,图7C和图7D显示了已提交2张答题图像(参考提示框703a和703b),待提交2张答题图像(参考提示框703c和703d)的应用示意图,图7E和图7F显示了所有答题图像均已提交的应用示意图。
综上所述,本实施例提供的答题图像提交方法,可根据在线教育平台所给定的所述目标试卷的图像获取数量,向在线教育平台提交与图像获取数量相吻合的目标试卷的多个答题图像,借以有效避免答题图像多传或漏传的情况,并可提升用户的使用体验。
图8示出了本公开示例性实施例的答题图像获取装置的架构示意图。如图所示,本实施例的答题图像获取装置800包括生成模块802、确定模块804、获取模块806。
可选地,本实施例的答题图像获取装置800可应用于在线教育平台的服务端,答题图像获取装置800可包括但不限于网络服务器、云服务器等电子设备。
生成模块802用于根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷。
确定模块804用于根据所述目标试卷,确定图像获取数量和图像识别信息。
获取模块806用于根据所述图像获取数量和所述图像识别信息,获取所述目标试卷的答题图像。
可选地,生成模块802还用于:根据所述题目参数中的各题号,确定每一个题号对应的题目的题目内容和题型;根据各题目对应的各题目内容、所述排版参数、所述卷面尺寸参数中的卷面有效长度,确定各题目对应的各题目高度;根据各题目对应的各题型与各题目高度、所述卷面尺寸参数中的卷面有效高度,确定各题目的优选排版顺序;根据各题目的优选排版顺序执行组卷编辑,生成所述目标试卷;其中,所述题目内容包括文本内容、表格内容、图片内容中的至少一个。
可选地,生成模块802还用于:根据各题目对应的各题目高度、所述卷面有效高度,确定所述目标试卷的卷面优选高度;根据各题目对应的各题型与各题目高度、所述卷面优选高度,执行对应于多个遍历模式的多次模拟组卷,以确定每一个遍历模式对应的模拟排版顺序和多个模拟卷面高度;根据每一个遍历模式的各个模拟卷面高度、所述卷面优选高度,将各模拟排版顺序中的一个确定为各题目的优选排版顺序。
可选地,生成模块802还用于:将各遍历模式中的任意一个确定为当前遍历模式;根据各题目对应的各题型与各题目高度,利用所述当前遍历模式遍历各题目,并根据各题目的遍历顺序,确定所述当前遍历模式下各题目的模拟排版顺序;根据所述当前遍历模式下各题目的模拟排版顺序、各题目对应的各题目高度、所述卷面优选高度,执行模拟组卷,获得所述当前遍历模式的多个模拟卷面高度。
可选地,生成模块802还用于:执行题型确定步骤,将各题型中的一个确定为当前题型,并将对应所述当前题型的各题目确定为各当前题目;根据各当前题目对应的各题目高度,利用所述当前遍历模式遍历各当前题目,直至每一个当前题目均被遍历;重复所述题型确定步骤,直至每一个题型均被确定为所述当前题型;根据各题目的遍历顺序,确定所述当前遍历模式下各题目的模拟排版顺序。
可选地,生成模块802还用于:在所述当前遍历模式为所述双指针遍历模式的情况下,根据各当前题目对应的各题目高度,从未被遍历过的各当前题目中,交替遍历题目高度最大一个当前题目与题目高度最小的一个当前题目,直至每一个当前题目均被遍历。
可选地,生成模块802还用于:在所述当前遍历模式为所述依次遍历模式的情况下,根据各当前题目对应的各题目高度,按照由大到小或由小到大的顺序,依次遍历每一个当前题目,直至每一个当前题目均被遍历。
可选地,生成模块802还用于:确定当前编辑高度的初始设定值;题目获取步骤,根据各题目的模拟排版顺序,依序获取处于待编辑状态一个题目以作为待编辑题目;将所述待编辑题目的题目高度与所述当前编辑高度的加和结果与所述卷面优选高度进行比对,若所述加和结果大于所述卷面优选高度,将所述当前编辑高度确定为所述当前遍历模式的一个模拟卷面高度,并初始化所述当前编辑高度;若所述加和结果不大于所述卷面优选高度,将所述待编辑题目更新为已编辑状态,并根据所述加和结果更新所述当前编辑高度;继续执行所述题目获取步骤,直至每一个题目均被更新为所述已编辑状态。
可选地,生成模块802还用于:根据每一个遍历模式的各模拟卷面高度、所述卷面优选高度,执行方差计算,确定每一个遍历模式的方差值;根据每一个遍历模式的方差值,将方差值最小的一个遍历模式的模拟排版顺序确定为各题目的优选排版顺序。
可选地,确定模块804还用于:根据所述目标试卷的试卷页数,确定答题图像的图像获取数量;根据所述目标试卷中每一页目标卷面包含的各题目对应的各题号,确定每一个答题图像的图像识别信息。
可选地,确定模块804还用于:根据每一页目标卷面包含的各题目对应的各题号,生成每一页目标卷面的卷面标识码;根据每一页目标卷面的卷面标识码,确定每一个答题图像的图像识别信息。
图9示出了本公开示例性实施例的答题图像提交装置的架构示意图。如图所示,本实施例的答题图像提交装置900包括试卷获取模块902、图像提交模块904。
可选地,本实施例的答题图像提交装置900可应用于在线教育平台的客户端,答题图像提交装置900可包括但不限于平板电脑、手机、笔记本电脑等电子设备。
试卷获取模块902用于获取在线教育平台的目标试卷。
图像提交模块904,用于根据所述在线教育平台给定的所述目标试卷的图像获取数量,向所述在线教育平台提交满足所述图像获取数量的所述目标试卷的多个答题图像。
于本实施例中,目标试卷的图像获取数量,是利用图1至图5中任意一个实施例所示的答题图像获取方法,或利用如图8实施例所示的答题图像获取装置所确定的。
本公开实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开示例性实施例所述的答题图像获取方法。
本公开示例性实施例提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开示例性实施例的答题图像获取方法。
请参考图10,现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,电子设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
电子设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006、输出单元10010、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备,输入单元1006可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元10010可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1004可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理。例如,在一些实施例中,如上述的答题图像获取方法或答题图像提交方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。在一些实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述的答题图像获取方法或答题图像提交方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
需要指出,根据实施的需要,可将本公开实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本公开实施例的目的。
以上实施方式仅用于说明本公开实施例,而并非对本公开实施例的限制,有关技术领域的普通技术人员,在不脱离本公开实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本公开实施例的范畴,本公开实施例的专利保护范围应由权利要求限定。
Claims (15)
1.一种答题图像获取方法,其特征在于,包括:
根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷;
根据所述目标试卷,确定图像获取数量和图像识别信息;
根据所述图像获取数量和所述图像识别信息,获取所述目标试卷的答题图像。
2.根据权利要求1所述的答题图像获取方法,其特征在于,所述根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷,包括:
根据所述题目参数中的各题号,确定每一个题号对应的题目的题目内容和题型;
根据各题目对应的各题目内容、所述排版参数、所述卷面尺寸参数中的卷面有效长度,确定各题目对应的各题目高度;
根据各题目对应的各题型与各题目高度、所述卷面尺寸参数中的卷面有效高度,确定各题目的优选排版顺序;
根据各题目的优选排版顺序执行组卷编辑,生成所述目标试卷;
其中,所述题目内容包括文本内容、表格内容、图片内容中的至少一个。
3.根据权利要求2所述的答题图像获取方法,其特征在于,所述根据各题目对应的各题型与各题目高度、所述卷面尺寸参数中的卷面有效高度,确定各题目的优选排版顺序,包括:
根据各题目对应的各题目高度、所述卷面有效高度,确定所述目标试卷的卷面优选高度;
根据各题目对应的各题型与各题目高度、所述卷面优选高度,执行对应于多个遍历模式的多次模拟组卷,以确定每一个遍历模式对应的模拟排版顺序和多个模拟卷面高度;
根据每一个遍历模式的各个模拟卷面高度、所述卷面优选高度,将各模拟排版顺序中的一个确定为各题目的优选排版顺序。
4.根据权利要求3所述的答题图像获取方法,其特征在于,所述根据各题目对应的各题型与各题目高度、所述卷面优选高度,执行对应于多个遍历模式的多次模拟组卷,以确定每一个遍历模式对应的模拟排版顺序和多个模拟卷面高度,包括:
将各遍历模式中的任意一个确定为当前遍历模式;
根据各题目对应的各题型与各题目高度,利用所述当前遍历模式遍历各题目,并根据各题目的遍历顺序,确定所述当前遍历模式下各题目的模拟排版顺序;
根据所述当前遍历模式下各题目的模拟排版顺序、各题目对应的各题目高度、所述卷面优选高度,执行模拟组卷,获得所述当前遍历模式的多个模拟卷面高度。
5.根据权利要求4所述的答题图像获取方法,其特征在于,所述根据各题目对应的各题型与各题目高度,利用所述当前遍历模式遍历各题目,并根据各题目的遍历顺序,确定所述当前遍历模式下各题目的模拟排版顺序,包括:
题型确定步骤,将各题型中的一个确定为当前题型,并将对应所述当前题型的各题目确定为各当前题目;
根据各当前题目对应的各题目高度,利用所述当前遍历模式遍历各当前题目,直至每一个当前题目均被遍历;
重复所述题型确定步骤,直至每一个题型均被确定为所述当前题型;
根据各题目的遍历顺序,确定所述当前遍历模式下各题目的模拟排版顺序。
6.根据权利要求5所述的答题图像获取方法,其特征在于,所述当前遍历模式至少包括双指针遍历模式和依序遍历模式;
其中,在所述当前遍历模式为所述双指针遍历模式的情况下,所述根据各当前题目对应的各题目高度,利用所述当前遍历模式遍历各当前题目,包括:
根据各当前题目对应的各题目高度,从未被遍历过的各当前题目中,交替遍历题目高度最大一个当前题目与题目高度最小的一个当前题目,直至每一个当前题目均被遍历;
其中,在所述当前遍历模式为所述依次遍历模式的情况下,所述根据各当前题目对应的各题目高度,利用所述当前遍历模式遍历各当前题目,包括:
根据各当前题目对应的各题目高度,按照由大到小或由小到大的顺序,依次遍历每一个当前题目,直至每一个当前题目均被遍历。
7.根据权利要求4所述的答题图像获取方法,其特征在于,所述根据所述当前遍历模式下各题目的模拟排版顺序、各题目对应的各题目高度、所述卷面优选高度,执行模拟组卷,获得所述当前遍历模式的多个模拟卷面高度,包括:
确定当前编辑高度的初始设定值;
题目获取步骤,根据各题目的模拟排版顺序,依序获取处于待编辑状态一个题目以作为待编辑题目;
将所述待编辑题目的题目高度、所述当前编辑高度的加和结果与所述卷面优选高度进行比对,若所述加和结果大于所述卷面优选高度,将所述当前编辑高度确定为所述当前遍历模式的一个模拟卷面高度,并初始化所述当前编辑高度;若所述加和结果不大于所述卷面优选高度,将所述待编辑题目更新为已编辑状态,并根据所述加和结果更新所述当前编辑高度;
继续执行所述题目获取步骤,直至每一个题目均被更新为所述已编辑状态。
8.根据权利要求3至7中任一项所述的答题图像获取方法,其特殊在于,所述根据每一个遍历模式的各个模拟卷面高度、所述卷面优选高度,将各模拟排版顺序中的一个确定为各题目的优选排版顺序,包括:
根据每一个遍历模式的各模拟卷面高度、所述卷面优选高度,执行方差计算,确定每一个遍历模式的方差值;
根据每一个遍历模式的方差值,将方差值最小的一个遍历模式的模拟排版顺序确定为各题目的优选排版顺序。
9.根据权利要求1至3中任一项所述的答题图像获取方法,其特征在于,所述根据所述目标试卷,确定图像获取数量和图像识别信息,包括:
根据所述目标试卷的试卷页数,确定答题图像的图像获取数量;
根据所述目标试卷中每一页目标卷面包含的各题目对应的各题号,确定每一个答题图像的图像识别信息。
10.根据权利要求8所述的答题图像获取方法,其特征在于,所述根据每一页目标卷面包含的各题目对应的各题号,确定每一个答题图像的图像识别信息,包括:
根据每一页目标卷面包含的各题目对应的各题号,生成每一页目标卷面的卷面标识码;
根据每一页目标卷面的卷面标识码,确定每一个答题图像的图像识别信息。
11.一种答题图像提交方法,其特征在于,包括:
获取在线教育平台的目标试卷;
根据所述在线教育平台给定的所述目标试卷的图像获取数量,向所述在线教育平台提交满足所述图像获取数量的所述目标试卷的多个答题图像;
其中,所述目标试卷的图像获取数量,是利用如权利要求1至10中任一项所述的答题图像获取方法所确定的。
12.一种答题图像获取装置,其特征在于,包括:
生成模块,用于根据给定的题目参数、排版参数、卷面尺寸参数,执行组卷编辑,生成目标试卷;
确定模块,用于根据所述目标试卷,确定图像获取数量和图像识别信息;
获取模块,用于根据所述图像获取数量和所述图像识别信息,获取所述目标试卷的答题图像。
13.一种答题图像提交装置,其特征在于,包括:
试卷获取模块,用于获取在线教育平台的目标试卷;
图像提交模块,用于根据所述在线教育平台给定的所述目标试卷的图像获取数量,向所述在线教育平台提交满足所述图像获取数量的所述目标试卷的多个答题图像;
其中,所述目标试卷的图像获取数量,是利用如权利要求1至10中任一项所述的答题图像获取方法或利用如权利要求12所述的答题图像获取装置所确定的。
14.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-10中任一项所述的答题图像获取方法,或执行根据权利要求11所述的答题图像提交方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的答题图像获取方法,或执行根据权利要求11所述的答题图像提交方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403428.1A CN115909339A (zh) | 2022-11-10 | 2022-11-10 | 答题图像获取及提交方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403428.1A CN115909339A (zh) | 2022-11-10 | 2022-11-10 | 答题图像获取及提交方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115909339A true CN115909339A (zh) | 2023-04-04 |
Family
ID=86472131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211403428.1A Pending CN115909339A (zh) | 2022-11-10 | 2022-11-10 | 答题图像获取及提交方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909339A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311293A (zh) * | 2023-05-22 | 2023-06-23 | 深圳市菁优智慧教育股份有限公司 | 一种试卷整体录入方法及系统 |
-
2022
- 2022-11-10 CN CN202211403428.1A patent/CN115909339A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311293A (zh) * | 2023-05-22 | 2023-06-23 | 深圳市菁优智慧教育股份有限公司 | 一种试卷整体录入方法及系统 |
CN116311293B (zh) * | 2023-05-22 | 2023-08-11 | 深圳市菁优智慧教育股份有限公司 | 一种试卷整体录入方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107786582B (zh) | 一种在线授课方法、装置及系统 | |
CN115909339A (zh) | 答题图像获取及提交方法、装置、电子设备、存储介质 | |
CN113343958B (zh) | 一种文本识别方法、装置、设备及介质 | |
CN110880324A (zh) | 语音数据的处理方法、装置、存储介质及电子设备 | |
CN105812706A (zh) | 一种视频通话质量评估方法及电子设备 | |
CN115760500A (zh) | 一种优化老师批阅作业的方法、装置、设备及存储介质 | |
CN115630860A (zh) | 教学质量评测方法、装置、设备及存储介质 | |
US11734362B2 (en) | Tag recommending method and apparatus, computer device, and readable medium | |
CN112528799B (zh) | 一种教学直播方法、装置、计算机设备和存储介质 | |
CN113257060A (zh) | 一种答疑解决方法、装置、设备和存储介质 | |
KR20180122927A (ko) | 이미지에 포함된 텍스트 인식장치, 텍스트 인식방법 및 텍스트 인식방법을 실행하기 위한 프로그램을 기록한 기록매체 | |
Xu et al. | Gradient-based simulation optimization algorithms via multi-resolution system approximations | |
CN115880110A (zh) | 作业任务监控方法、装置、电子设备及存储介质 | |
CN114760274A (zh) | 在线课堂的语音交互方法、装置、设备及存储介质 | |
CN112507243B (zh) | 一种基于表情的内容推送方法与装置 | |
CN112331002B (zh) | 一种全程数字化教学方法、系统及装置 | |
CN115273057A (zh) | 文本识别方法、装置和听写批改方法、装置及电子设备 | |
CN112115703B (zh) | 文章评估方法及装置 | |
US11410569B1 (en) | Methods, systems, and media for identifying and scoring assignment answers | |
CN117557240B (zh) | 批阅作业的方法、系统、设备和存储介质 | |
KR101245824B1 (ko) | 학습 정보를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
CN113762223B (zh) | 题目拆分模型训练方法、题目拆分方法及相关装置 | |
CN115392413A (zh) | 一种铺码对象编码的确定方法及装置 | |
US20240037410A1 (en) | Method for model aggregation in federated learning, server, device, and storage medium | |
CN113850805B (zh) | 多文档检测方法、装置、电子设备及存储介质 |
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 |