[發明專利]一種智能閱卷中圖像識別的方法、存儲介質及裝置

在審

• 申請號: 202010011295.8
• 申請日: 2020-01-06
• 公開（公告）號: CN111242131A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 陳麗麗;高峰;劉吉源
• 申請（專利權）人: 北京十六進制科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京沁優知識產權代理事務所(普通合伙) 11684
• 代理人: 王麗君

1.一種智能閱卷中圖像識別的方法，其特征在于：所述智能閱卷中圖像識別的方法包括以下步驟：

構建數據集；

設計卷積神經網絡結構；

訓練卷積神經網絡；

測試卷積神經網絡模型；

添加識別前序。

2.根據權利要求1所述智能閱卷中圖像識別的方法，其特征在于：所述構建數據集步驟中，包括以下步驟：

收集現有圖像數據集，通過現有圖像數據集構建圖像分類表；

通過記錄現有圖像數據集中所有數據的圖像分類數據，得到原始分類數據集；

將現有圖像數據集分為訓練數據集、測試數據集和仿真數據集；

將現有圖像數據集通過圖像優化處理算法進行優化處理，得到優化數據集。

3.根據權利要求2所述智能閱卷中圖像識別的方法，其特征在于：所述設計卷積神經網絡結構步驟，為根據優化數據集內的數據特征設計相對應的卷積神經網絡結構。

4.根據權利要求3所述智能閱卷中圖像識別的方法，其特征在于：所述訓練卷積神經網絡步驟，使用訓練數據集對卷積神經網絡進行訓練，得到卷積神經網絡模型。

5.根據權利要求4所述智能閱卷中圖像識別的方法，其特征在于：所述測試卷積神經網絡模型步驟中，包括以下步驟：

使用測試數據集對卷積神經網絡模型進行測試，得到測試結果指標；

使用仿真數據集對卷積神經網絡模型進行測試，得到仿真結果指標；

根據測試結果指標和仿真結果指標判斷是否完成訓練，所述判斷結果為是否達到目標要求，并輸出當前卷積神經網絡模型為最優的卷積神經網絡模型；當判斷結果為否時未達到目標要求，返回訓練卷積神經網絡步驟繼續進行訓練。

6.根據權利要求2所述智能閱卷中圖像識別的方法，其特征在于：所述優化處理操作所用到的操作方法為減均值操作、減方差操作、雙線性插值操作。

7.根據權利要求1-6任一種所述智能閱卷中圖像識別的方法，其特征在于：所述卷積神經網絡結構的計算層數能夠為多個。

8.根據權利要求7所述智能閱卷中圖像識別的方法，其特征在于：所述添加識別前序步驟，為掃描待識別試卷，分割出多個圖像數據，并將每個圖像數據添加分類標簽，所述分類標簽包括有多類。

9.一種存儲介質，其特征在于：所述存儲介質中儲存有用于實現如權利要求1-8任一種所述的智能閱卷中圖像識別方法的程序。

10.一種裝置，其特征在于：所述裝置包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1-8任一種所述的智能閱卷中圖像識別的方法。