[發明專利]試卷分析方法、裝置、存儲介質及電子設備

在審

• 申請號: 202110351442.0
• 申請日: 2021-03-31
• 公開（公告）號: CN113177435A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 杜竹君;馬志國;張飛飛;麻凱利;郝雙;闞海鵬;楊明坤;張明;王少康;王彥君
• 申請（專利權）人: 新東方教育科技集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08;G06T7/13;G06K9/32
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 張巖龍

1.一種試卷分析方法，其特征在于，所述方法包括：

對目標試卷的試卷圖像進行題號識別，獲取所述試卷圖像中的一個或多個題號，并獲取每個題號的題號文本、題號圖像和題號位置；

將所述題號文本、所述題號圖像和所述題號位置輸入預先訓練得到的題號級別分類檢測模型，得到每個題號的題號級別；

根據所述題號級別和所述題號位置對所述試卷圖像進行切分，獲取每個題號的目標題目區域；

將每個題號的目標題目區域輸入預先訓練得到的第一圖像識別模型，得到該題號的題目信息；

根據所述題號、所述題號級別和所述題目信息，生成所述目標試卷的試卷版面內容。

2.根據權利要求1所述的方法，其特征在于，所述題號級別分類檢測模型包括編碼網絡和解碼網絡，所述編碼網絡包括文本編碼網絡和第一殘差網絡ResNet；所述將所述題號文本、所述題號圖像和所述題號位置輸入題號級別分類檢測模型，得到每個題號的題號級別包括：

將所述題號文本輸入所述文本編碼網絡，得到題號文本向量；

將所述題號圖像輸入所述第一殘差網絡ResNet，得到題號圖像向量；

對所述題號位置進行位置編碼，得到題號位置向量；

將所述題號文本向量、所述題號圖像向量和所述題號位置向量，輸入所述解碼網絡，得到每個題號的題號級別。

3.根據權利要求2所述的方法，其特征在于，所述第一殘差網絡ResNet的卷積層為深度可分離卷積，所述第一殘差網絡ResNet的網絡深度為18。

4.根據權利要求2所述的方法，其特征在于，所述文本編碼網絡包括Transformer網絡或Word2vec網絡。

5.根據權利要求1所述的方法，其特征在于，在根據所述題號、所述題號級別和所述題目信息，得到試卷版面內容之前，所述方法還包括：

根據所述題號級別對所述題號進行編碼，得到所述題號的數字編碼；

根據所述題號位置對所述題號進行排序；

針對排序后的每個題號，確認該題號的數字編碼與相鄰題號的數字編碼是否連續；在確認該題號的數字編碼與相鄰題號的數字編碼不連續的情況下，根據所述相鄰題號對該題號進行修正，以獲取修正后的題號；

根據所述題號、所述題號級別和所述題目信息，生成所述目標試卷的試卷版面內容包括：

根據修正后的所述題號、所述題號級別和所述題目信息，生成所述目標試卷的試卷版面內容。

6.根據權利要求1所述的方法，其特征在于，在將每個題號的目標題目區域輸入預先訓練得到的第一圖像識別模型，得到該題號的題目信息之前，所述方法還包括：

將所述目標試卷圖像輸入預先訓練得到的第二圖像識別模型，得到一個或多個候選題目區域；

針對每個題號，在所述一個或多個候選題目區域中，獲取與該題號的目標題目區域的位置重合度最高的第一候選題目區域；

在所述位置重合度小于或等于預設重合度閾值的情況下，根據所述第一候選題目區域對所述目標題目區域進行修正；

所述將每個題號的目標題目區域輸入預先訓練得到的第一圖像識別模型，得到該題號的題目信息包括：

將修正后的目標題目區域輸入預先訓練得到的第一圖像識別模型，得到該題號的題目信息。

7.根據權利要求1所述的方法，其特征在于，所述題目信息包括圖形、文字、表格、公式、作答區域和題目分值中的一種或多種。

8.根據權利要求1至7中任一項所述的方法，其特征在于，在所述對目標試卷的試卷圖像進行題號識別之前，所述方法還包括：

獲取所述目標試卷的原始圖像，所述原始圖像包括背景區域圖像和試卷區域圖像；

通過邊緣檢測模型對所述原始圖像進行邊緣檢測，得到所述目標試卷的邊緣信息；

根據所述邊緣信息從所述原始圖像中確定所述試卷區域圖像；

根據所述試卷區域圖像獲取所述試卷圖像。