[发明专利]试卷批改的方法、装置、存储介质及电子设备

说明书

本公开涉及一种试卷批改方法、装置、存储介质及电子设备，可以获取待批改试卷的原始图像，原始图像包括背景区域图像以及待批改试卷的试卷区域图像；将原始图像输入预先训练得到的边缘检测模型，得到多个尺度分别对应的边缘特征点，边缘检测模型的模型结构包括主干网络和与所述主干网络连接的侧边网络，针对每个尺度对应的边缘特征点，采用非极大抑制算法剔除该尺度的边缘特征点中的非目标边缘特征点，得到该尺度的目标边缘特征点；根据多个尺度分别对应的目标边缘特征点确定待批改试卷的边缘特征图像；从边缘特征图像中获取待批改试卷的边缘信息，并根据边缘信息从原始图像中提取出试卷区域图像；根据试卷区域图像对待批改试卷进行批改。

技术领域

本公开涉及图像识别领域中的试卷批改，具体地，涉及一种试卷批改的方法、装置、存储介质及电子设备。

背景技术

随着互联网的发展，出现了以信息科技和互联网技术为基础的智能教学方式，在智能教学中也实现了学生试卷的自动批改。

现有的自动批改方式大都是基于扫描试卷的图像信息进行识别批改的，但扫描的试卷图像信息中一般没有背景区域图像，而在拍照上传这种场景下，待批改试卷对应的原始图像包括背景图像信息，并且试卷背景图像复杂，边缘信息较弱，现有的自动批改方式无法准确识别试卷图像的边缘信息，这会影响识别的准确率，进而会影响试卷批改结果的准确程度。

发明内容

本公开的目的是提供一种试卷批改的方法、装置、存储介质及电子设备。

第一方面，提供一种试卷批改的方法，所述方法包括：获取待批改试卷对应的原始图像，所述原始图像包括背景区域图像以及所述待批改试卷的试卷区域图像；将所述原始图像输入预先训练得到的边缘检测模型，得到多个尺度分别对应的边缘特征点，所述边缘检测模型的模型结构包括主干网络和与所述主干网络连接的侧边网络，所述主干网络为在VGG网络的基础上去掉全连接层以及最后N层池化层得到的网络，或者所述主干网络包括残差网络ResNet网络，所述N为预设数量；针对每个尺度对应的所述边缘特征点，采用非极大抑制算法剔除该尺度对应的边缘特征点中的非目标边缘特征点，得到该尺度对应的目标边缘特征点，所述非目标边缘特征点包括所述边缘特征点中除局部像素最大值以外的其它特征点；根据多个尺度分别对应的所述目标边缘特征点确定所述待批改试卷的边缘特征图像；从所述边缘特征图像中获取所述待批改试卷的边缘信息，并根据所述边缘信息从所述原始图像中提取出所述试卷区域图像；根据所述试卷区域图像对所述待批改试卷进行批改。

可选地，所述主干网络包括多个依次连接的第一网络层和多个依次连接的第二网络层，所述侧边网络包括多个第三网络层，其中，最后一个所述第一网络层与第一个所述第二网络层连接，每个所述第一网络层和每个所述第二网络层后均连接有一个所述第三网络层；所述将所述原始图像输入预先训练得到的边缘检测模型，得到多个尺度分别对应的边缘特征点包括：将所述原始图像输入所述边缘检测模型后，通过每个所述第三网络层输出不同尺度的所述边缘特征点，不同的第三网络层输出不同尺度的边缘特征点。

可选地，所述采用非极大抑制算法剔除该尺度对应的边缘特征点中的非目标边缘特征点，得到该尺度对应的目标边缘特征点包括：

针对该尺度对应的每个边缘特征点，确定该边缘特征点的概率值是否小于相邻特征点的概率值，所述相邻特征点为在该边缘特征点对应的梯度方向上与该边缘特征点位置相邻的两个像素点，所述概率值用于表征该边缘特征点是否为所述待批改试卷的边缘像素点的概率值；若该边缘特征点的概率值小于所述相邻特征点的概率值，将该边缘特征点作为所述非目标边缘特征点；将该尺度对应的边缘特征点中的全部所述非目标边缘特征点剔除，得到该尺度对应的所述目标边缘特征点。

可选地，所述根据多个尺度分别对应的所述目标边缘特征点确定所述待批改试卷的边缘特征图像包括：针对每个尺度，获取该尺度对应的预设权重；针对每个所述目标边缘特征点，根据该目标边缘特征点在每个尺度对应的所述预设权重以及概率值进行加权求和，得到该目标边缘特征点对应的目标概率值；根据预设概率阈值和每个所述目标边缘特征点对应的所述目标概率值确定所述边缘特征图像。