[发明专利]题目拆分模型训练方法、题目拆分方法及相关装置

说明书

本公开提供一种题目拆分模型训练方法、题目拆分方法及相关装置，题目拆分模型训练方法包括：获取训练待拆分题目图片，所述训练待拆分题目图片的各个文本行均标注有文本行基准类别；根据所述训练待拆分题目图片，获取训练待拆分题目的文本行坐标的文本行坐标特征、所述训练待拆分题目的文本行内容的文本行内容特征和与各个所述文本行对应的文本行图片特征；根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型。利用本公开所提供的题目拆分模型训练方法训练完成的题目拆分模型拆分题目，可以提高题目拆分的准确性。

技术领域

本公开实施例涉及计算机领域，尤其涉及一种题目拆分模型训练方法、题目拆分方法及相关装置。

背景技术

由于计算机技术和深度学习的发展，借助于计算机和网络辅助学习和教学已成为一种趋势，随着人工智能、计算机视觉、多模态等技术的广泛应用，将试卷图片中的题目进行自动题目拆分成为可能，例如：在专利CN111652141A、CN108304562A中记载有相关技术的描述。

但现有的题目拆分的方法的准确性较低，比如：

利用图像识别结果进行拆分，先对试卷图像进行图像识别，然后对识别后的图像进行文本拆分，而当识别结果中缺少了关键字时，很容易出现差错。

利用图像结构信息进行拆分，对题目结构进行检测并对检测到的图像进行分类，有些题目从版面上很相似，但是文本内容的区别使其题目类型有很大差别，因此只利用图像分类的方式难以将题目类型区分的很好；并且当有题目跨页时，只能利用后处理逻辑将同一道题目合并，也很容易出现错误。

因此，如何提高题目拆分的准确性，成为亟待解决的技术问题。

发明内容

本公开实施例解决的技术问题是提供一种题目拆分模型训练方法，利用训练完成的题目拆分模型拆分题目，可以提高题目拆分的准确性。

为解决上述问题，本公开实施例提供一种题目拆分模型训练方法，包括：

获取训练待拆分题目图片，所述训练待拆分题目图片的各个文本行均标注有文本行基准类别；

根据所述训练待拆分题目图片，获取训练待拆分题目的文本行坐标的文本行坐标特征、所述训练待拆分题目的文本行内容的文本行内容特征和与各个所述文本行对应的文本行图片特征；

根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型。

与现有技术相比，本公开的技术方案具有以下优点：

本公开实施例所提供的题目拆分模型训练方法，在进行题目拆分模型的训练时，首先获取训练待拆分题目图片，所述训练待拆分题目图片的各个文本行均标注有文本行基准类别；然后根据所述训练待拆分题目图片，获取训练待拆分题目的文本行坐标的文本行坐标特征、所述训练待拆分题目的文本行内容的文本行内容特征和与各个所述文本行对应的文本行图片特征；最后根据所述文本行图片特征、所述文本行坐标特征、所述文本行内容特征及所述文本行基准类别，训练所述题目拆分模型，得到训练完成的所述题目拆分模型。

可以看出，本公开实施例所提供的题目拆分模型训练方法，是根据所述训练待拆分题目图片的文本行图片特征、文本行坐标特征、文本行内容特征及文本行基准类别，训练所述题目拆分模型，模型训练的过程中，采用了文本行图片特征、文本行内容特征和文本行坐标特征相结合的方式，实现对于训练待拆分题目图片的各个文本行的类别的预测，可以利用文本行图片特征、文本行内容特征和文本行坐标特征中所包含的信息，保证所预测文本行的类别以及文本行内容的准确性，进而保证模型训练的准确性，从而可以进一步降低由于对训练待拆分题目图片中具体内容获取不准确，对题目拆分的准确性所造成的影响，提高题目拆分的准确性。