申请/专利权人：北京十六进制科技有限公司

申请日：2020-01-06

公开（公告）日：2024-05-10

公开（公告）号：CN111242131B

主分类号：G06V30/148

分类号：G06V30/148;G06V30/19;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2020.12.11#实质审查的生效;2020.06.05#公开

摘要：本发明提供了一种智能阅卷中图像识别的方法，包括以下步骤：构建数据集；设计卷积神经网络结构；训练卷积神经网络；通过测试得到最优卷积神经网络模型；添加识别前序，将图像在使用模型预测前增加分类标签属性。首先，本发明能够通过优化处理图像，突出内容显示减少无关细节，大大提升图像识别的精度；其次，本发明通过使用可自学习的卷积神经网络，可以得到高识别率的计算网络模型，大大提升了识别效率；其三，本发明在预测图像分类时添加的识别前序方法，进一步提升了卷积神经网络的识别精度；其四，本发明通过大量采集现有图像数据集，对答题卡纸张没有特殊的印刷要求，便于大规模应用。

主权项：1.一种智能阅卷中图像识别的方法，其特征在于：所述智能阅卷中图像识别的方法包括以下步骤：构建数据集：收集现有图像数据集，通过现有图像数据集构建图像分类表；通过记录现有图像数据集中所有数据的图像分类数据，得到原始分类数据集；将现有图像数据集分为训练数据集、测试数据集和仿真数据集；将现有图像数据集通过图像优化处理算法进行优化处理，得到优化数据集，其中优化处理操作所用的的操作方法为减均值操作、减方差操作或双线性插值操作；设计卷积神经网络结构；训练卷积神经网络；测试卷积神经网络模型；添加识别前序；所述添加识别前序步骤，为扫描待识别试卷，分割出多个图像数据，并将每个图像数据添加分类标签，所述分类标签包括有多类，包括choice、number、judge，判断图像所属标签并将分类标签赋予相对应图像，按照顺序将所有数据记录至优化数据集，choice标签对应结果标签Tick1、Tick2、Cancel、Blank，judge标签对应结果标签JudgeTick、JudgeCross、JudgeCross2、JudgeCancel、JudgeBlank，number标签对应结果标签NumberTick、NumberTick2、NumberCancel、NumberBlank，将优化数据集导入最优的卷积神经网络模型得到结果数据集；将结果数据集中的数据通过分类标签进行筛选，得到最终结果集。

全文数据：

权利要求：

百度查询： 北京十六进制科技有限公司 一种智能阅卷中图像识别的方法、存储介质及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD