[发明专利]基于深度学习的试卷卷头学生信息自动检测方法

说明书

本发明公开了一种基于深度学习的试卷卷头学生信息自动检测方法，包括以下步骤：S1、数据获取，使用扫描仪对多张学生试卷的正面进行扫描得到多张试卷全图；S2、标注数据，对试卷卷头图像进行人工标注获取学生信息的检测框，并划分训练集和测试集；S3、通过合成数据扩充数据量；S4、构造文本检测器，使用卷积神经网络构造文本检测器，文本检测器包括特征提取网络、候选文本区域生成网络、区域特征采样模块以及文本定位网络，并且对各组成网络设计不同的损失函数；S5、训练文本检测器；S6、测试，将测试数据输入训练好的文本检测器进行检测。本发明方法能够检测出试卷卷头的印刷体待填项目和手写体的学生信息，具有准确率高的特点。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于深度学习的试卷卷头学生信息自动检测方法。

背景技术

计算机视觉是人工智能领域的一个重要研究方向，它在自动驾驶、智慧城市、人机交互等方面有着重要应用。其中，文字检测是计算机视觉领域的一个重要分支，在近几年有着飞速的发展。

文字检测在教育领域有着相关的应用。教师在教学实践中需要给学生的试卷进行评分，后续工作通常包含将试卷的学生信息和分数录入电子系统中，方便进一步地统计考试情况和改进教学方案。但在实际的工作过程中，如果一名老师所带的班级和科目很多，那么过多的试卷信息录入工作无疑会增加教师的额外精力。因此，寻取一种自动且准确的学生信息录入方法十分有意义。

近年来，深度神经网络的研究进展促进了目标检测方向的快速发展，越来越多的检测算法被提出。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种基于深度学习的试卷卷头学生信息自动检测方法，能够检测出试卷卷头的印刷体待填项目和手写体的学生信息，具有准确率高的特点。

为了达到上述目的，本发明采用以下技术方案：

基于深度学习的试卷卷头学生信息自动检测方法，包括以下步骤：

S1、数据获取，使用扫描仪对多张学生试卷的正面进行扫描得到多张试卷全图，对试卷图像的卷头位置进行裁剪，得到多张试卷卷头图像；

S2、标注数据，对试卷卷头图像进行人工标注获取学生信息的检测框，并划分训练集和测试集；

S3、数据合成，通过合成数据扩充数据量；

S4、构造文本检测器，使用卷积神经网络构造文本检测器，文本检测器包括特征提取网络、候选文本区域生成网络、区域特征采样模块以及文本定位网络，并且对各组成网络设计不同的损失函数；

S5、训练文本检测器，采用预训练模型，设置训练相关参数，将带标注的数据输入到文本检测器中训练；

S6、将测试数据输入训练好的文本检测器进行检测，得到学生信息的检测结果和概率。

进一步的，所述步骤S2具体包括：

采用标注软件，人工标定学生信息的水平矩形框，包括位置和类别的标定；

将水平矩形框左上角的坐标以及宽高数据记录于文件中；

将图像随机划分为训练集和测试集。

进一步的，所述步骤S3具体包括：

S31、对人工标注的真实数据进行数据统计分析，包括试卷卷头图像的宽高比、标注框的宽高比和大小以及标注框之间的距离；

S32、根据数据统计结果，设置生成图像的宽高、文本间距，自动化生成包含待填项目但还没有填写学生信息的试卷卷头图像，同时存储待填项目类别和坐标；