[发明专利]一种基于全卷积神经网络模型的算题批改方法、算题批改装置

权利要求书

1.一种基于全卷积神经网络模型的算题批改方法，其特征在于，包括以下步骤：

S1，对智能终端所拍摄的初始图片进行改质处理而得到第一图片；

S2，将所述第一图片输入至所述全卷积神经网络模型，所述全卷积神经网络模型通过识取所述第一图片的像素点而获得若干算题子图片；

S3，将每一所述算题子图片输入至文字识别模型而获得各所述算题子图片对应的算题文本内容；

S4，根据所述算题文本内容进行计算而得到计算结果；

S5，将所述计算结果与所述第一图片中的算题答案进行比对以完成对算题的批改。

2.根据权利要求1所述的算题批改方法，其特征在于：

所述步骤S2包括，

S21，所述全卷积神经网络模型识别所述第一图片的算题像素点与非算题像素点，以矩形框选取所述算题像素点以获得若干所述初始子图片。

3.根据权利要求2所述的算题批改方法，其特征在于：

所述步骤S2包括，

S22，获取每一所述初始子图片于所述第一图片中的图片坐标信息，根据所述图片坐标信息确定每一所述初始子图片的高度和/或宽度。

4.根据权利要求3所述的算题批改方法，其特征在于：

所述步骤S2包括，

S23，将所述高度和/或所述宽度与预设值对比，若不符合所述预设值，则确定所述初始子图片为非算题子图片并将其去除，若符合所述预设值，则确定所述初始子图片为所述算题子图片。

5.根据权利要求1所述的算题批改方法，其特征在于：

所述算题文本内容包括算题文本与非算题文本，

所述算题文本包括算式和/或公式的区域内的数字、字母、文字、字符、计算类型，

所述计算类型包括四则混合运算、估算、带余数除法、分数计算、单位换算、竖式计算、脱式计算。

6.根据权利要求5所述的算题批改方法，其特征在于：

所述步骤S3包括，

S31，将每一所述算题子图片输入至残差网络模型中，提取每一所述算题子图片的特征向量；

S32，将所述特征向量输入至双向递归神经网络模型，通过所述双向递归神经网络模型识别出每一所述算题子图片的文本信息；

S33，提取每一所述算题子图片中文本信息的文本特征；

S34，将所述文本特征输入预设的文本分类器中，识取所述文本特征为所述算题文本内容。

7.根据权利要求1至6任一项所述的算题批改方法，其特征在于：

所述改质处理包括高斯滤波去噪、锐化去雾与动态直方图均衡化处理光照平衡；

所述全卷积神经网络模型针对符号的识别，训练过程如下：

步骤S100，获取数据，用word表格模式设置一张带有m*n个圆圈的纸，通过手写的方式获取到各种手写体的样本。然后再通过至少两个角度的拍照、分割，再对图片进行数据增强处理以获得足够数量的数据集；

步骤S200，设计网络，通过所述全卷积神经网络对图片提取特征；

步骤S300，调整数据格式并训练，将数据处理成适合网络的格式并开始训练。

8.一种应用权利要求1至7任一项所述算题批改方法的算题批改装置，其特征在于，所述算题批改装置包括：

图片获取模块，用于获取第一图片，其中，所述第一图片记载有算题图片；

图片识别模块，用于将所述第一图片输入至全卷积神经网络模型，通过所述全卷积神经网络模型而获得出所述第一图片中的算题子图片；

文本识别模块，用于将每一所述算题子图片输入至文字识别模型，识别出每一所述算题子图片的算题文本内容；

运算模块，用于根据识别出的所述算题文本内容，进行算题数学运算以获得计算结果，将所述计算结果与所述第一图片中的算题答案进行比对以完成对算题的批改。