[发明专利]检测模型训练、判题方法、装置、电子设备及存储介质有效
申请号: | 202011585373.1 | 申请日: | 2020-12-29 |
公开(公告)号: | CN112308053B | 公开(公告)日: | 2021-04-09 |
发明(设计)人: | 李兵;秦勇 | 申请(专利权)人: | 北京易真学思教育科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京市铸成律师事务所 11313 | 代理人: | 林军;王珺 |
地址: | 100144 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 模型 训练 方法 装置 电子设备 存储 介质 | ||
1.一种检测模型训练方法,包括:
将待批改样本图像输入检测模型,得到所述待批改样本图像的版面分析检测结果和目标文本检测结果;
基于所述待批改样本图像的版面分析检测结果,确定第一损失函数;
基于所述待批改样本图像的目标文本检测结果,确定第二损失函数;
基于所述第一损失函数、所述第二损失函数以及预设调整系数,确定所述检测模型的总损失函数,其中,所述预设调整系数是根据所述检测模型中用于对题目进行版面分析的第一文本框的类别数量和用于对题目中目标文本进行检测的第二文本框的类别数量得到的;以及
基于所述总损失函数,对所述检测模型进行训练。
2.根据权利要求1所述的方法,还包括:
基于所述第二文本框的类别数量与所述第一文本框的类别数量的比较结果,得到所述预设调整系数。
3.根据权利要求2所述的方法,其中,所述基于所述第二文本框的类别数量与所述第一文本框的类别数量的比较结果,得到所述预设调整系数,包括:
将所述第二文本框的类别数量与所述第一文本框的类别数量的比值,作为所述预设调整系数。
4.根据权利要求1所述的方法,还包括:
获取预设的第一文本框的类别数量、第二文本框的类别数量与预设调整系数的对应关系;
基于所述对应关系,确定与所述第一文本框的类别数量、所述第二文本框的类别数量对应的所述预设调整系数。
5.根据权利要求1所述的方法,其中,所述基于所述第一损失函数、所述第二损失函数以及预设调整系数,确定所述检测模型的总损失函数,包括:
基于所述预设调整系数和所述第一损失函数,得到第三损失函数;
基于所述第二损失函数和所述第三损失函数,确定所述检测模型的总损失函数。
6.根据权利要求5所述的方法,其中,所述基于所述预设调整系数和所述第一损失函数,得到第三损失函数,包括:
将所述预设调整系数与所述第一损失函数的乘积,作为所述第三损失函数。
7.根据权利要求5或6所述的方法,其中,所述基于所述第二损失函数和所述第三损失函数,确定所述检测模型的总损失函数,包括:
将所述第二损失函数与所述第三损失函数之和,作为所述总损失函数。
8.一种判题方法,包括:
将待批改图像输入通过根据权利要求1~7中任一项所述的检测模型训练方法得到的检测模型,得到所述待批改图像的版面分析检测结果和目标文本检测结果;
将所述待批改图像的目标文本检测结果输入识别模型,得到所述待批改图像的目标文本检测结果所对应的识别结果;
基于所述待批改图像的版面分析检测结果和目标文本检测结果,以及所述待批改图像的目标文本检测结果所对应的识别结果,得到判题结果。
9.根据权利要求8所述的方法,其中,所述待批改图像的目标文本检测结果包括针对题干文本的目标文本检测结果和针对作答文本的目标文本检测结果;所述基于所述待批改图像的版面分析检测结果和目标文本检测结果,以及所述待批改图像的目标文本检测结果所对应的识别结果,得到判题结果,包括:
确定所述待批改图像的版面分析检测结果中每个第一文本框,与所述待批改图像的目标文本检测结果中每个第二文本框的对应关系;
基于所述待批改图像的版面分析检测结果和目标文本检测结果,以及所述对应关系,进行构题;
基于构题结果和所述针对题干文本的目标文本检测结果所对应的识别结果,确定参考答案;
基于所述针对作答文本的目标文本检测结果所对应的识别结果和所述参考答案,得到判题结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京易真学思教育科技有限公司,未经北京易真学思教育科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011585373.1/1.html,转载请声明来源钻瓜专利网。