【技术实现步骤摘要】
基于MixNet-YOLOv3和卷积递归神经网络CRNN的算术题智能批阅系统
本专利技术涉及一种基于MixNet-YOLOv3和卷积递归神经网络CRNN的算术题智能批阅系统,属于计算机视觉及自然语言处理交叉的文本检测和识别领域。
技术介绍
随着科技水平的进步和教育产业的变革,传统阅卷过程中的效率低、质量和公平无法保证的问题日益凸显,一定程度阻碍了整体教学水平的提高。与此同时,数字图像处理以及计算机视觉技术的飞速发展,让人们将目光逐渐投向智能阅卷,智能阅卷能够极大地提高阅卷的效率,降低教师的工作负担,节省家长的时间,优化教育资源的配置。以中小学生的算术题为例,考虑到算术题一般是由印刷体跟手写体构成,出版商的印刷体样式、学生的手写体风格层出不穷,还存在一定程度的涂改,基于图像处理和机器学习的传统的光学字符识别OCR(OpticalCharacterRecognition)技术无法满足复杂场景的检测任务。典型的OCR技术路线包括以下三个部分:图像预处理、文本检测和文本识别,其中影响识别准确率的技术瓶颈是文本检测和文本识别,而这两部分也是OCR技术的重中之重。在传统OCR技术中,图像预处理通常是针对图像的成像问题进行修正,常见的预处理过程包括:几何变换、畸变校正、去除模糊、图像增强和光线校正等。文本检测即检测文本的所在位置和范围及其布局,通常也包括版面分析和文字行检测等,文字检测主要解决的问题是哪里有文字,文字的范围有多大。文本识别是在文本检测的基础上,对文本内容进行识别,将图像中的文本信息转化为文本 ...
【技术保护点】
1.基于MixNet-YOLOv3和卷积递归神经网络CRNN(Convolutional Recurrent NeuralNetwork)的算术题智能批阅系统,其特征在于,包括如下步骤:/n(1)对原始检测数据集进行预处理,通过数据增强手段增强样本的泛化性,同时利用K均值聚类算法生成适应该场景的两组先验框,用于检测网络的训练;/n(2)将整张图像输入到轻量级的MixNet网络模型中,进行图像定位和语义特征的提取,得到表示图像全局信息的多尺度特征;/n(3)利用特征金字塔网络FPN(Feature Pyramid Networks) 特征融合技术,融合不同尺度的特征,分别输送到对应的YOLOv3预测模块中,并根据两组先验框分别对产生的特征图进行计算,基于最佳的先验框来预测,并根据预测出的坐标、置信度、类别信息与标签信息进行损失函数的计算,通过迭代训练得到更为精确的检测模型;/n(4)根据检测网络输出的算术题边框,将抽取的算术题和标注的文本信息组合起来,构成识别模块的数据集;/n(5)将抽取的算术题图像转成灰度图送入卷积递归神经网络CRNN网络,首先经过卷积神经网络CNN(Convolut ...
【技术特征摘要】
1.基于MixNet-YOLOv3和卷积递归神经网络CRNN(ConvolutionalRecurrentNeuralNetwork)的算术题智能批阅系统,其特征在于,包括如下步骤:
(1)对原始检测数据集进行预处理,通过数据增强手段增强样本的泛化性,同时利用K均值聚类算法生成适应该场景的两组先验框,用于检测网络的训练;
(2)将整张图像输入到轻量级的MixNet网络模型中,进行图像定位和语义特征的提取,得到表示图像全局信息的多尺度特征;
(3)利用特征金字塔网络FPN(FeaturePyramidNetworks)特征融合技术,融合不同尺度的特征,分别输送到对应的YOLOv3预测模块中,并根据两组先验框分别对产生的特征图进行计算,基于最佳的先验框来预测,并根据预测出的坐标、置信度、类别信息与标签信息进行损失函数的计算,通过迭代训练得到更为精确的检测模型;
(4)根据检测网络输出的算术题边框,将抽取的算术题和标注的文本信息组合起来,构成识别模块的数据集;
(5)将抽取的算术题图像转成灰度图送入卷积递归神经网络CRNN网络,首先经过卷积神经网络CNN(ConvolutionalNeuralNetworks)提取特征得到特征图,再转换成序列送入双向长短期记忆网络LSTM(LongShort-TermMemory)获取序列特征,最后经过联结时序分类CTC(ConnectionistTemporalClassification)算法转录得到最终的语义信息;
(6)根据识别模块得到的即得语义信息,进行算术逻辑的运算操作,从而判断出每道算术题目的正确与否,对于做错的题目会给出正确答案。
2.根据权利要求1所述的基于MixNet-YOLOv3和卷积递归神经网络CRNN的算术题批阅系统,其特征在于,所述的步骤(1)首先通过LabelImg标注软件生成图片的标注框,然后利用平移、旋转、裁剪等数据增强手段扩充原始的数据集,增强数据的泛化性和鲁棒性,针对数据集中的边框信息,通过K均值聚类算法得到2个尺度共4个先验框,用于检测网络的训练。
3.根据权利要求1所述的基于MixNet-YOLOv3和卷积递归神经网络CRNN的算术题批阅系统,其特征在于,所述的步骤(2)采用轻量级MixNet网络提取图像多尺度特征,通过不同卷积核的混合深度卷积结构代替深度可分离卷积结构,在极大的减少网络参数量的同时,增强了网络融合多尺度语义和定位特征的能力,从而提取到更为系统全面的特征,混合深度可分离卷积模块MDConv(MixedDepthwiseConvolutionalKernel)旨在将不同的卷积核尺寸融合到一个单独的卷积操作,使其可以易于获取具有多个分辨率的不同模式,其中MDConv卷积操作具有多个设计选择:
(2.1)组大小g:决定了用于一个单独输入张量的不同类型卷积核的个数,在的极端情况,MDConv等同于普通深度卷积,在时,MDConv可以提高模型的准确性和效率;
(2.2)每个组的卷积核尺寸:限制卷积核尺寸通常从开始,每组单调增加2,的卷积核尺寸通常为;例如,一个4组的MDConv通常使用的卷积核尺寸为,在此限制下,每个组的卷积核尺寸相对于其组大小已经预定义,因而简化了设计过程;
(2.3)每个组的通道大小:采用两种通道划分方法:(a)等分:每组通道的数目一致;(b)指数划分:第通道数占总通道数的,例如,一个4组MDConv共有32个通道,等分将通道划分为,而指数划分将通道划分为。
4.根据权利要求1所述的基于MixNet-YOLOv3和卷积递归神经网络CRNN的算术题批阅系统,其特征在于,所述的步骤...
【专利技术属性】
技术研发人员:刘天亮,梁聪聪,桂冠,戴修斌,
申请(专利权)人:江苏拓邮信息智能技术研究院有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。