[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

本公開涉及一種試卷分析方法、裝置、存儲介質及電子設備。該方法包括：對目標試卷的試卷圖像進行題號識別，獲取該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；將該題號文本、該題號圖像和該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；根據該題號級別和該題號位置對該試卷圖像進行切分，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；根據該題號、該題號級別和該題目信息，生成該目標試卷的試卷版面內容。這樣，可以對多種格式的試卷進行分析，從而提高了電子教學中試卷批改的效率。

技術領域

本公開涉及電子教學領域，具體地，涉及一種試卷分析方法、裝置、存儲介質及電子設備。

背景技術

隨著計算機和互聯網技術的發展，人們越來越多的使用電子設備對學生考試試卷進行閱卷。在相關技術中，試卷分析通常采用ORC(Optical Character Recognition，光學字符識別)實現對試卷字符的識別和分析，該方案通常只能對固定模板或固定格式的試卷進行分析，即只能把試卷與系統已經存儲的預設模板進行匹配，用匹配得到的模板進行分析。但實際應用中，由于試卷的格式多種多樣，使用OCR進行試卷分析會出現分析錯誤或無法分析的問題。

發明內容

為了解決上述問題，本公開提供一種試卷分析方法、裝置、存儲介質及電子設備。

第一方面，本公開提供了一種試卷分析方法，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。

可選地，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。

可選地，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。

可選地，所述文本編碼網絡包括Transformer網絡或Word2vec網絡。

可選地，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；