[发明专利]一种基于图像处理技术的教学方法、系统、设备及介质在审

专利信息
申请号: 202210038802.6 申请日: 2022-01-13
公开(公告)号: CN114357224A 公开(公告)日: 2022-04-15
发明(设计)人: 时钢 申请(专利权)人: 徐州工业职业技术学院
主分类号: G06F16/58 分类号: G06F16/58;G06F16/535;G06Q50/20
代理公司: 成都鱼爪智云知识产权代理有限公司 51308 代理人: 张丽
地址: 221005 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 图像 处理 技术 教学方法 系统 设备 介质
【权利要求书】:

1.一种基于图像处理技术的教学方法,其特征在于,包括:

预设教学大纲,对所述教学大纲进行关键字提取,得到关键字集;

建立与所述关键字含义对应的验证图库;

利用搜索引擎对所述关键字进行对应的图片搜索,将得到的图片储存至待筛选图库内;

利用卷积神经网络对所述待筛选图库进行特征提取,得到特征集;

将所述特征集与所述验证图库对比,若所述特征集中任一特征与所述验证图库中任一验证图片相符,则将所述特征对应的图片与所述验证图片关联的关键字建立连接;并同时将所述图片储存至验证图库内;

预输入与根据所述教学大纲制作的教案文字,分别将所述教案文字以及所述关键字集内的关键字转换为词向量,得到教案词向量和大纲词向量;

计算所述教案词向量和所述大纲词向量的相似度;

若计算的所述相似度符合预设范围,则将所述教案词向量对应的文字内容与所述大纲词向量对应的关键字建立连接;

当用户在预设的搜索框内输入自定义的搜索内容后,所述搜索内容与所述关键字匹配,并输出与所述搜索内容相关的教案文字以及图片进行展示。

2.如权利要求1所述的一种基于图像处理技术的教学方法,其特征在于,计算所述教案词向量和所述大纲词向量的相似度的步骤包括:

建立余弦计算模型;

将所述教案词向量和所述大纲词向量带入所述计算模型中,若计算出所述余弦值小于等于预设值,则代表不相似;反之则相似。

3.如权利要求1所述的一种基于图像处理技术的教学方法,其特征在于,并输出与所述搜索内容相关的教案文字以及图片进行展示后的步骤还包括:

对所述关键字在所述教案文字中进行高亮显示;

建立词向量距离模型以及知识点分布图模板;

根据所述关键字在所述词向量距离模型中的欧式距离,生成知识点分布图。

4.如权利要求3所述的一种基于图像处理技术的教学方法,其特征在于,生成知识点分布图后的步骤包括:

将所述知识点分布图在用户端进行实时显示并上传至后台终端。

5.如权利要求3所述的一种基于图像处理技术的教学方法,其特征在于,建立词向量距离模型的步骤包括:

设置平面二维坐标系;

将所述关键字对应的向量坐标输入至所述平面二维坐标系中,根据所述向量坐标计算距离比例,将所述比例带入所述知识点分布图模板中。

6.如权利要求5所述的一种基于图像处理技术的教学方法,其特征在于,所述知识点分布图模板采用树状图。

7.如权利要求1所述的一种基于图像处理技术的教学方法,其特征在于,建立与所述关键字含义对应的验证图库的步骤包括:

通过互联网公开图片库进行图片以及对应描述的采集,利用人工筛选所述图片是否与所述关键字对应。

8.一种基于图像处理技术的教学系统,其特征在于,包括:

预设模块,用于预设教学大纲,对所述教学大纲进行关键字提取,得到关键字集;

验证模块,用于建立与所述关键字含义对应的验证图库;

图片获取模块,用于利用搜索引擎对所述关键字进行对应的图片搜索,将得到的图片储存至待筛选图库内;

筛选模块,用于利用卷积神经网络对所述待筛选图库进行特征提取,得到特征集;将所述特征集与所述验证图库对比,若所述特征集中任一特征与所述验证图库中任一验证图片相符,则将所述特征对应的图片与所述验证图片关联的关键字建立连接;并同时将所述图片储存至验证图库内;

词向量模块,用于预输入与根据所述教学大纲制作的教案文字,分别将所述教案文字以及所述关键字集内的关键字转换为词向量,得到教案词向量和大纲词向量;计算所述教案词向量和所述大纲词向量的相似度;

判断模块,用于若计算的所述相似度符合预设范围,则将所述教案词向量对应的文字内容与所述大纲词向量对应的关键字建立连接;

结果模块,用于当用户在预设的搜索框内输入自定义的搜索内容后,所述搜索内容与所述关键字匹配,并输出与所述搜索内容相关的教案文字以及图片进行展示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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徐州工业职业技术学院,未经徐州工业职业技术学院许可,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/202210038802.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top