CN111553365B - 一种题目选取的方法、装置、电子设备及存储介质 - Google Patents
一种题目选取的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111553365B CN111553365B CN202010366582.0A CN202010366582A CN111553365B CN 111553365 B CN111553365 B CN 111553365B CN 202010366582 A CN202010366582 A CN 202010366582A CN 111553365 B CN111553365 B CN 111553365B
- Authority
- CN
- China
- Prior art keywords
- question
- area
- target page
- page image
- naming
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010187 selection method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 239000002775 capsule Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
- G06F16/166—File name conversion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例涉及题目选取技术领域,公开了一种题目选取的方法、装置、电子设备及存储介质。该方法包括:当接收到触发指令时,获取目标页面图像以及操作体在目标页面图像中的图像坐标;利用图像坐标和目标页面图像确定题干区域,判断题干区域的类别;当类别为大题时,选取大题下的所有小题作为选择区域;当类别为小题时,获取题干区域的题型,并根据题型确定选择区域;选取选择区域内的题目图片。实施本发明实施例,可以点接触方式选取一道小题或一道题目,不需要用户手动参与裁剪待收集内容的图片,操作简单方便,提高题目选取效率,改善用户体验,同时,针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
Description
技术领域
本发明涉及题目选取技术领域,具体涉及一种题目选取的方法、装置、电子设备及存储介质。
背景技术
为了解决中小学的作业难题,目前,市场上出现了很多解决学生作业难题的搜题或错题汇总类应用程序,这些应用程序都是通过摄像头拍摄题目图片以作为错题保存或用来搜索对应的答案。其实现方法大致分为两大类:
第一种是通过手动或根据操作轨迹选取裁剪框的方式框选自己想要的题目,这种方式想要多次操作裁剪框,以使裁剪框大小合适,得到精确获取题目图片,该方式操作不方便,比较繁琐。
第二种是基于承载体上使用操作体选取一个点,然后根据这个点进行拍照并基于预设规则以一定的训练模型得到题目图片,其较第一种方式更加智能,但是这种方式极易出现题干区域被选中,而选项区域被舍弃,或者将某大题的题干选中,该大题内实际的题目未被选中,得到的框选区域实际意义不大。
发明内容
针对所述缺陷,本发明实施例公开了一种题目选取的方法、装置、电子设备及存储介质,通过题号和题型确定选择区域。
本发明实施例第一方面公开一种题目选取的方法,应用于智能终端中,所述方法包括:
当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;
利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取所述选择区域内的题目图片。
作为一种可选的实施方式,在本发明实施例第一方面中,当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标,包括:
接收用户发出的指令并判断所述指令是否为触发指令;
在接收到触发指令时,启动摄像头,对承载体当前页面进行拍照,得到所述目标页面图像;
将所述操作体在所述承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标。
作为一种可选的实施方式,在本发明实施例第一方面中,利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别,包括:
对所述目标页面图像进行字符识别;
利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
确定所述目标题号和辅助题号对应的命名规则;
如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
作为一种可选的实施方式,在本发明实施例第一方面中,选取所述大题下的所有小题作为选择区域,包括:
获取所述目标页面图像中的界限题号,所述界限题号与目标题号的命名规则相同,所述界限题号位于目标题号下方,且界限题号和目标题号之间不存在其他与目标题号相同命名规则的题号;
将所述题干区域以及题干区域与界限题号之间的区域作为选择区域。
作为一种可选的实施方式,在本发明实施例第一方面中,获取所述题干区域的题型,并根据所述题型确定选择区域,包括:
提取所述题干区域的题目特征和关键词;
基于所述题目特征和关键词判断所述题干区域对应的题型;
在所述题干区域的题型为选择题时,将题干区域以及题干区域对应的选项区域作为选择区域;
在所述题干区域的题型为非选择题时,将所述题干区域作为选择区域。
作为一种可选的实施方式,在本发明实施例第一方面中,基于所述题目特征和关键词判断所述题干区域对应的题型,包括:
选取大量题目样本,获取所述题目样本的题目特征和关键词,将所述题目样本对应的题型作为标签;
利用所述题目样本对初始题型识别模型进行训练,得到训练后的题型识别模型;
将所述题干区域的题目特征和关键词输入所述题型识别模型,得到所述题干区域对应的题型。
本发明实施例第二方面公开一种题目选取的装置,应用于智能终端中,所述装置包括:
获取单元,用于当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;
判断单元,用于利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元,用于选取所述选择区域内的题目图片。
作为一种可选的实施方式,在本发明实施例第二方面中,所述判断单元,包括:
字符识别子单元,用于对所述目标页面图像进行字符识别;
位置确定子单元,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
本发明实施例第三方面公开一种题目选取的方法,应用于智能终端和服务器中,所述方法包括:
当智能终端接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器;
服务器确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
当所述类别为大题时,服务器选取所述大题下的所有小题作为选择区域;
当所述类别为小题时,服务器获取所述题干区域的题型,并根据所述题型确定选择区域;
服务器选取所述选择区域内的题目图片。
作为一种可选的实施方式,在本发明实施例第三方面中,服务器确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别,包括:
服务器将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标;
服务器对所述目标页面图像进行字符识别;
服务器利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
服务器获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
服务器确定所述目标题号和辅助题号对应的命名规则;
如果第一命名规则的数量大于第二命名规则的数量,则服务器判定所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则服务器判定所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
本发明实施例第四方面公开一种题目选取的装置,应用于智能终端和服务器中,所述装置包括:
获取单元,位于智能终端中,用于当接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器;
判断单元,位于服务器中,用于确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元,位于服务器中,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元,位于服务器中,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元,位于服务器中,用于选取所述选择区域内的题目图片。
作为一种可选的实施方式,在本发明实施例第四方面中,所述判断单元,包括:
坐标转换子单元,用于将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标;
字符识别子单元,用于对所述目标页面图像进行字符识别;
位置确定子单元,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
本发明实施例第五方面公开一种电子设备,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行本发明实施例第一方面公开的一种题目选取的方法。
本发明实施例第六方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种题目选取的方法。
本发明实施例第七方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例第一方面公开的一种题目选取的方法。
本发明实施例第八方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例第一方面公开的一种题目选取的方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;当所述类别为大题时,选取所述大题下的所有小题作为选择区域;当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;选取所述选择区域内的题目图片。可见,实施本发明实施例,可以通过题号,或者题号和题型确定选择区域,可以实现大题的多个小题同时选择,提高题目选取效率,也可以针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种题目选取的方法的流程示意图;
图2是本发明实施例公开的另一种题目选取的方法的流程示意图;
图3是本发明实施例公开的一种题目选取的装置的结构示意图;
图4是本发明实施例公开的另一种题目选取的装置的结构示意图;
图5是本发明实施例公开的一种电子设备的结构示意图;
图6为本发明实施例公开的一种题目选取的***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,示例性地,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种题目选取的方法、装置、电子设备及存储介质,其只要根据移动轨迹的起点坐标和终点坐标构建第一直线和第二直线即可得到选择框,操作十分简单方便,而且还能保证题目的完整性,提升用户体验,以下结合附图进行详细描述。
实施例一
请参阅图1,图1是本发明实施例公开的一种题目选取的方法的流程示意图,题目选取均在智能终端中完成。其中,智能终端包括但不限于学***板电脑或手机。题目选取用于将选取的题目进行保存或搜题,题目保存可应用于错题汇总或知识点汇总等,搜题是将题目选取后通过互联网搜索题目的答案。如图1所示,该题目选取的方法包括以下步骤:
110、当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标。
指令由用户发起,指令可以是用户通过语音发起,例如:“请帮我保存这道(这些)题”,也可以是用户通过触摸按键或机械按键发起,还可以是用户在打开某类应用程序例如错题收集APP或搜题APP等自动触发,这里不做限定。
智能终端接收到的指令可以是题目保存指令或者搜题指令等,这些指令均以题目选取为前提,题目选取后用于保存或搜索。
在接收到指令前,摄像头以及智能终端的大部分器件处于睡眠状态,可以节省电量,通过指令现将智能终端唤醒,由智能终端判断该指令是不是触发题目选取的指令,如果是,则启动摄像头。摄像头可以是智能终端自带的前置摄像头或后置摄像头,也可以是分离于智能终端与智能终端存在通讯连接的外部摄像头。
承载体可以是书本、练习册、试卷等,操作体可以是手指、触控笔、铅笔、尺子以及小棍等。智能设备接收到触发指令后,智能设备可以通过语音交互方式指导用户放置操作体的位置,在本发明实施例中,操作体与承载体呈点式接触。为方便用户定位,点式接触可以题目的题干的某一个位置(例如,题干下侧空白处)为接触点。这种情况就会出现一个问题,如果用户选取的题干是大题题干(例如:一、选择题),那么选取这个题干毫无疑义,实际代表用户选取的是该第一大题的所有小题,任一个用户选择的是某个选择题的题干,那么选取这个缺少选项的题目对于用户而言,也意义不大。
本发明中,可以对用户选取的是大题或小题进行智能识别。具体地,无论用户选取的是大题还是小题,摄像头均将用户选题的页面整体拍摄,得到目标页面图像。在对目标页面图像进行相应的处理前,首先可以对目标页面图像进行预处理,以保证字符识别的准确性。预处理包括但不限于去噪、对比度增强以及形状矫正等,形状矫正主要针对摄像头视角问题拍摄到梯形图像或者承载体出现卷曲情况,形状矫正可以通过对目标页面图像的边缘拉伸等实现,最终得到的目标页面图像为矩形。
得到矫正后的目标页面图像后,将操作体在承载体上的位坐标通过坐标转换的方式得到操作体在目标页面图像上的位置坐标,坐标转换可以通过仿射变换算法实现。基于操作体在目标页面图像上的位置坐标,就可以得到题干区域。
120、利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别。
得到目标页面图像和图像坐标后,对目标页面图像进行字符识别。
字符识别可以通过成熟的OCR(Optical Character Recognition,光学字符识别)技术实现,字符包括汉字、字母、标点符号以及公式等。利用图像坐标和预设规则确定题干区域。示例性地,预设规则可以是图像坐标上侧位置为题干区域,此时,图像坐标所在的水平线为下分割线,基于题目之间的间隔大于题干的行间隔,通过设定阈值的方式确定上分割线,将上下分割线之间的区域成为题干区域,从而得到题干区域和题干区域在目标页面图像中的位置。
题干区域内有题号,对题号进行识别,题干区域的题号称为目标题号,题干区域下方出现的N(N>1)个题干的题号称为辅助题号,通过目标题号与辅助题号可以确定题干区域的类别是大题还是小题。
题号是通过一定的题号命名规则实现的。题号命名规则可以包括但不限于数字字符(如罗马数字、中文数字等)加标点字符(如顿号、逗号、英文句号以及冒号等)的形式、数字字符加中文括号的形式等,如(1)、(2)等。一般地,中文数字加标点符号作为大题类别,罗马字符加标点符号作为小题类别,数字字符加中文括号的形式作为小题类别的子类别。
这里无论使用哪种大小题类别形式,均可识别大小题。题号一般位于题干区域的首行起始位置,通过对首行起始位置的字符识别得到题号,基于大题一般都包括两题以上的小题(如果一个大题只包括一个小题,这样大题存在的意义不大)。
一个承载体一般采用一种大小题的命名规则,基于此,可以在确定了目标题号和辅助题号的命名规则的情况下得到题干区域的类别。
如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
假设题干区域为大题,其至少包括两道小题,如果选取二个辅助题号,则大题的命名规则的数量为1,小题的命名规则的数量为2,基于上述判断方式,可以反推题干区域的类别为大题;如果选取三个辅助题号,题干区域仅包括两道小题,则大题的命名规则的数量为2,小题的命名规则的数量为2,基于上述判断方式,也可以反推题干区域的类别为大题,依次类推。
假设题干区域为小题,如果该小题位于其对应大题靠前的位置,则选取的辅助题号可能全部与之命名规则相同,则小题命名规则的数量肯定大于大题命名规则的数量,基于上述判断方式,可以反推题干区域的类别为小题,一个极端的例子,如果小题位于某一道大题的最后一题,该小题下方为另一道大题,由于另一道大题也至少包括两道小题,因此,无论怎么选择,最终仍是小题命名规则的数量大于大题命名规则的数量。
根据得到题干区域的类别来确定选择区域,针对大题而言,其选择区域为该大题的所有小题,针对小题而言,其选择区域为该小题的所有内容。具体分别参照步骤130和140所示。
130、当所述类别为大题时,选取所述大题下的所有小题作为选择区域。
大题的选择区域为其包含的所有小题。上述步骤确定了题干区域的上分割线,题干区域的上分割线也作为选择区域的上分割线。遍历题干区域下方题干的题号,得到与目标题号命名规则相同且相邻的界限题号,这个界限题号和目标题号之间不存在其他与他们相同命名规则的题号。
以界限题号的上侧空白区域作为选择区域的下分割线,将上分割线和选择区域的下分割线之间的区域选中,即得到大题的选择区域。
如果不存在界限题号,将上分割线以下的所有内容作为大题的选择区域。
140、当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域。
正常情况下,除选择题带有选项外,其他题目类型一般不包括选项,因此,在发明实施例中,确定题干区域对应的类型后,针对选择题和其他题型分别确定选择区域。
题目类型区分的方式有多种。
示例性地,获取题干区域的题目特征和关键词。题目特征可以是带有下划线或者中文括号或者空白区域的内容,关键词可以是:选一选、判断、填写、计算、简单、证明等。然后将题目特征和关键词输入预先训练好的题型识别模型中得到题干区域对应的类型。题型识别模型可以基于卷积神经网络实现,其通过选取大量的题目样本,通过这些大量题目样本的题型作为标签,将题目样本的题目特征和关键词作为输入参数进行训练得到。
还可以采用无监督训练方式完成,即通过字符转换(例如BERT)将题干区域的字符转换成句特征向量,然后输入至预先训练的具有约束关系的神经网络识别模型(例如胶囊网络)中,得到题干区域的题型,胶囊网络识别模型同样是通过大量题目样本的题型作为标签,题目样本转换后的句特征向量作为输入参数进行训练。
对于题干区域的类别为小题,对应的题型为选择题时,选项区域一般包括ABCD等选项,对这部分的识别技术较为成熟,将题干区域和题干区域对应的选项区域一起作为选择区域。
对于题干区域的类别为小题,对应的题型为非选择题时,直接将选项区域作为选择区域即可。
事实上,对于小题的选择区域,也可以采用与大题类似的方式实现,确定小题的界限题号,小题的界限题号是小题下方相邻的任意预设规则的题号,界限题号上方空白处设置下分割线,与题干区域的上分割线之间构成小题的选择区域。
150、选取所述选择区域内的题目图片。
选择区域内的题目图片即题目选取的目标,将该题目图片用户保存作为错题收集或知识点收集,将题目图片转换后的字符去搜题可以得到题目图片对应题目的答案。对于大题而言,其用于搜题是依据题号进行分割成不同的小图像再去一一搜题。因此,本发明实施例优选使用的场景为题目收集。
为了更好的引导用户选取题目,可以在用户产生触发指令后,通过智能终端与用户进行语音交互方式,指导用户定位接触点,例如语音交互可以是:“如果要选取某一大题,请将手指放于该大题的题干下方空白区域,如果要选取某一小题,请将手指放于该小题的题干下方空白区域”。
实施本发明实施例,可以点接触方式选取一道小题或一道题目,不需要用户手动参与裁剪待收集内容的图片,操作简单方便,提高题目选取效率,改善用户体验,同时,针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种题目选取的方法的流程示意图,题目选取在智能终端和服务器之间的交互中完成。如图2所示,该题目选取的方法包括以下步骤:
210、当智能终端接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器。
220、服务器确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别。
230、当所述类别为大题时,服务器选取所述大题下的所有小题作为选择区域。
240、当所述类别为小题时,服务器获取所述题干区域的题型,并根据所述题型确定选择区域。
250、服务器选取所述选择区域内的题目图片。
上述步骤210~250与实施例一中步骤110~150类似。只是实施例二中,将步骤110中的坐标转换以及120~150中在智能终端中完成的内容交由服务器完成,目标页面图像的预处理可以在智能终端或/和服务器中完成。通过服务器和智能终端交互的方式完成题目选取,可以提高题目选取的效率,减少智能终端的CPU占用率。
基于用户不同的框题目的,服务器还向用户返回不同的操作结果:针对搜题指令,服务器向用户反馈搜题的答案;针对题目收集指令,服务器向用户返回保存结果,用户可以在智能终端上查看保存于服务器数据库中的题目。
实施本发明实施例,可以点接触方式选取一道小题或一道题目,不需要用户手动参与裁剪待收集内容的图片,操作简单方便,提高题目选取效率,改善用户体验,同时,针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
实施例三
请参阅图3,图3是本发明实施例公开的一种题目选取的装置的结构示意图,应用于智能终端中。如图3所示,该题目选取的装置可以包括:
获取单元310,用于当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;
判断单元320,用于利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元330,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元340,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元350,用于选取所述选择区域内的题目图片。
作为一种可选的实施方式,所述获取单元310,可以包括:
指令接收子单元311,用于接收用户发出的指令并判断所述指令是否为触发指令;
图像获取子单元312,用于在接收到触发指令时,启动摄像头,对所述承载体当前页面进行拍照,得到所述目标页面图像;
坐标转换子单元313,用于将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标。
作为一种可选的实施方式,所述判断单元320,可以包括:
字符识别子单元321,用于对所述目标页面图像进行字符识别;
位置确定子单元322,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元323,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元324,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元325,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
作为一种可选的实施方式,第一确定单元330,可以包括:
界限题号获取子单元331,用于获取所述目标页面图像中的界限题号,所述界限题号与目标题号的命名规则相同,所述界限题号位于目标题号下方,且界限题号和目标题号之间不存在其他与目标题号相同命名规则的题号;
第一区域确定子单元332,用于将所述题干区域以及题干区域与界限题号之间的区域作为选择区域。
作为一种可选的实施方式,第二确定单元340,可以包括:
特征提取子单元341,用于提取所述题干区域的题目特征和关键词;
题型识别子单元342,用于选取大量题目样本,获取所述题目样本的题目特征和关键词,将所述题目样本对应的题型作为标签;利用所述题目样本对初始题型识别模型进行训练,得到训练后的题型识别模型;将所述题干区域的题目特征和关键词输入所述题型识别模型,得到所述题干区域对应的题型;
第二区域确定子单元343,用于在所述题干区域的题型为选择题时,将题干区域以及题干区域对应的选项区域作为选择区域;
第三区域确定子单元344,用于在所述题干区域的题型为非选择题时,将所述题干区域作为选择区域。
图3所示的题目选取的装置,可以点接触方式选取一道小题或一道题目,不需要用户手动参与裁剪待收集内容的图片,操作简单方便,提高题目选取效率,改善用户体验,同时,针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
实施例四
请参阅图4,图4是本发明实施例公开的另一种题目选取的装置的结构示意图,应用于智能终端和服务器的交互中。如图4所示,该题目选取的装置可以包括:
获取单元410,位于智能终端400中,用于当接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器;
判断单元510,位于服务器500中,用于确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元520,位于服务器500中,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元530,位于服务器500中,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元540,位于服务器500中,用于选取所述选择区域内的题目图片。
作为一种可选的实施方式,所述获取单元410,可以包括:
指令接收子单元411,用于接收用户发出的指令并判断所述指令是否为触发指令;
图像获取子单元412,用于在接收到触发指令时,启动摄像头,对所述承载体当前页面进行拍照,得到所述目标页面图像;
图像发送子单元413,用于将所述目标页面图像发送给服务器。
作为一种可选的实施方式,所述判断单元510,可以包括:
坐标转换子单元511,用于将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标;
字符识别子单元512,用于对所述目标页面图像进行字符识别;
位置确定子单元513,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元514,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元515,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元516,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
作为一种可选的实施方式,第一确定单元520,可以包括:
界限题号获取子单元521,用于获取所述目标页面图像中的界限题号,所述界限题号与目标题号的命名规则相同,所述界限题号位于目标题号下方,且界限题号和目标题号之间不存在其他与目标题号相同命名规则的题号;
第一区域确定子单元522,用于将所述题干区域以及题干区域与界限题号之间的区域作为选择区域。
作为一种可选的实施方式,第二确定单元530,可以包括:
特征提取子单元531,用于提取所述题干区域的题目特征和关键词;
题型识别子单元532,用于选取大量题目样本,获取所述题目样本的题目特征和关键词,将所述题目样本对应的题型作为标签;利用所述题目样本对初始题型识别模型进行训练,得到训练后的题型识别模型;将所述题干区域的题目特征和关键词输入所述题型识别模型,得到所述题干区域对应的题型;
第二区域确定子单元533,用于在所述题干区域的题型为选择题时,将题干区域以及题干区域对应的选项区域作为选择区域;
第三区域确定子单元534,用于在所述题干区域的题型为非选择题时,将所述题干区域作为选择区域。
图4所示的题目选取的装置,可以点接触方式选取一道小题或一道题目,不需要用户手动参与裁剪待收集内容的图片,操作简单方便,提高题目选取效率,改善用户体验,同时,针对单道小题时确保题干和选项同时被选择,提高框题的准确性。
实施例五
请参阅图5,图5是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是学***板电脑或手机等智能终端。如图5所示,该电子设备600可以包括:
存储有可执行程序代码的存储器610;
与存储器610耦合的处理器620;
其中,处理器620调用存储器610中存储的可执行程序代码,执行实施例一至实施例二任意一种题目选取的方法中的部分或全部步骤。
实施例六
请参阅图6,图6是本发明实施例公开的一种题目选取的***的结构示意图。如图6所示,该***700包括智能终端710和服务器720,智能终端可以是学***板电脑或手机等。其中:
该智能终端710可以包括:存储有可执行程序代码的存储器711;与存储器711耦合的处理器712;其中,处理器712调用存储器711中存储的可执行程序代码,执行实施例二的一种题目选取的方法中智能终端执行的步骤。
该服务器720可以包括:存储有可执行程序代码的存储器721;与存储器721耦合的处理器722;其中,处理器722调用存储器721中存储的可执行程序代码,执行实施例二的一种题目选取的方法中服务器执行的步骤。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行实施例一至实施例二任意一种题目选取的方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一至实施例二任意一种题目选取的方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一至实施例二任意一种题目选取的方法中的部分或全部步骤。
在本发明的各种实施例中,应理解,所述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种题目选取的方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种题目选取的方法,应用于智能终端中,其特征在于,包括:
当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;
利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取所述选择区域内的题目图片;
利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别,包括:
对所述目标页面图像进行字符识别;
利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
确定所述目标题号和辅助题号对应的命名规则;
如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
2.根据权利要求1所述的方法,其特征在于,当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标,包括:
接收用户发出的指令并判断所述指令是否为触发指令;
在接收到触发指令时,启动摄像头,对承载体当前页面进行拍照,得到所述目标页面图像;
将所述操作体在所述承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标。
3.根据权利要求1所述的方法,其特征在于,选取所述大题下的所有小题作为选择区域,包括:
获取所述目标页面图像中的界限题号,所述界限题号与目标题号的命名规则相同,所述界限题号位于目标题号下方,且界限题号和目标题号之间不存在其他与目标题号相同命名规则的题号;
将所述题干区域以及题干区域与界限题号之间的区域作为选择区域。
4.根据权利要求1所述的方法,其特征在于,获取所述题干区域的题型,并根据所述题型确定选择区域,包括:
提取所述题干区域的题目特征和关键词;
基于所述题目特征和关键词判断所述题干区域对应的题型;
在所述题干区域的题型为选择题时,将题干区域以及题干区域对应的选项区域作为选择区域;
在所述题干区域的题型为非选择题时,将所述题干区域作为选择区域。
5.根据权利要求4所述的方法,其特征在于,基于所述题目特征和关键词判断所述题干区域对应的题型,包括:
选取大量题目样本,获取所述题目样本的题目特征和关键词,将所述题目样本对应的题型作为标签;
利用所述题目样本对初始题型识别模型进行训练,得到训练后的题型识别模型;
将所述题干区域的题目特征和关键词输入所述题型识别模型,得到所述题干区域对应的题型。
6.一种题目选取的装置,应用于智能终端中,其特征在于,所述装置包括:
获取单元,用于当接收到触发指令时,获取目标页面图像以及操作体在所述目标页面图像中的图像坐标;
判断单元,用于利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元,用于选取所述选择区域内的题目图片;
所述判断单元,包括:
字符识别子单元,用于对所述目标页面图像进行字符识别;
位置确定子单元,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
7.一种题目选取的方法,应用于智能终端和服务器中,其特征在于,包括:
当智能终端接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器;
服务器确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
当所述类别为大题时,服务器选取所述大题下的所有小题作为选择区域;
当所述类别为小题时,服务器获取所述题干区域的题型,并根据所述题型确定选择区域;
服务器选取所述选择区域内的题目图片;
服务器确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别,包括:
服务器将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标;
服务器对所述目标页面图像进行字符识别;
服务器利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
服务器获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
服务器确定所述目标题号和辅助题号对应的命名规则;
如果第一命名规则的数量大于第二命名规则的数量,则服务器判定所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则服务器判定所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
8.一种题目选取的装置,应用于智能终端和服务器中,其特征在于:所述装置包括:
获取单元,位于智能终端中,用于当接收到触发指令时,获取目标页面图像,并将所述目标页面图像发送至服务器;
判断单元,位于服务器中,用于确定操作体在所述目标页面图像中的图像坐标,并利用所述图像坐标和目标页面图像确定题干区域,判断所述题干区域的类别;
第一确定单元,位于服务器中,用于当所述类别为大题时,选取所述大题下的所有小题作为选择区域;
第二确定单元,位于服务器中,用于当所述类别为小题时,获取所述题干区域的题型,并根据所述题型确定选择区域;
选取单元,位于服务器中,用于选取所述选择区域内的题目图片;
所述判断单元,包括:
坐标转换子单元,用于将所述操作体在承载体上的位置坐标通过坐标变换得到位置坐标对应在目标页面图像上的图像坐标;
字符识别子单元,用于对所述目标页面图像进行字符识别;
位置确定子单元,用于利用所述图像坐标和预设规则确定题干区域在所述目标页面图像中的位置;
题号获取子单元,获取所述题干区域的目标题号以及所述题干区域下方N个题干的辅助题号,N>1;
规则确定子单元,用于确定所述目标题号和辅助题号对应的命名规则;
类别判断子单元,用于如果第一命名规则的数量大于第二命名规则的数量,则所述题干区域的类别为小题;如果第一命名规则的数量小于或等于第二命名规则的数量,则所述题干区域的类别为大题;所述第一命名规则为目标题号对应的命名规则,所述第二命名规则为辅助题号中与目标题号对应的命名规则不同的命名规则,第一命名规则的数量与第二命名规则的数量之和为N+1。
9.一种电子设备,其特征在于,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至5任一项所述的一种题目选取的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至5任一项所述的一种题目选取的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366582.0A CN111553365B (zh) | 2020-04-30 | 2020-04-30 | 一种题目选取的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366582.0A CN111553365B (zh) | 2020-04-30 | 2020-04-30 | 一种题目选取的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553365A CN111553365A (zh) | 2020-08-18 |
CN111553365B true CN111553365B (zh) | 2023-11-24 |
Family
ID=72003355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366582.0A Active CN111553365B (zh) | 2020-04-30 | 2020-04-30 | 一种题目选取的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553365B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270295A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 学生作业场景下的框题方法及装置、终端设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003255816A (ja) * | 2002-02-28 | 2003-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 試験画面表示方法及び装置並びにこの方法の実行プログラム及びこの実行プログラムを記録した記録媒体 |
CN108133167A (zh) * | 2016-12-01 | 2018-06-08 | 北京新唐思创教育科技有限公司 | 一种选择与判断题目答案的自动判定方法及其装置 |
CN108304562A (zh) * | 2018-02-08 | 2018-07-20 | 广东小天才科技有限公司 | 一种搜题方法、搜题装置及智能终端 |
CN110427412A (zh) * | 2019-06-27 | 2019-11-08 | 深圳中兴网信科技有限公司 | 题目读取方法、装置、题目录入装置和计算机存储介质 |
CN110765995A (zh) * | 2019-10-11 | 2020-02-07 | 深圳市鹰硕技术有限公司 | 一种答题卡生成方法、识别方法、装置及存储介质 |
CN110837833A (zh) * | 2019-11-14 | 2020-02-25 | 广东小天才科技有限公司 | 题目选取方法、装置、终端设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207879B (zh) * | 2012-01-17 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 图像索引的生成方法及设备 |
-
2020
- 2020-04-30 CN CN202010366582.0A patent/CN111553365B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003255816A (ja) * | 2002-02-28 | 2003-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 試験画面表示方法及び装置並びにこの方法の実行プログラム及びこの実行プログラムを記録した記録媒体 |
CN108133167A (zh) * | 2016-12-01 | 2018-06-08 | 北京新唐思创教育科技有限公司 | 一种选择与判断题目答案的自动判定方法及其装置 |
CN108304562A (zh) * | 2018-02-08 | 2018-07-20 | 广东小天才科技有限公司 | 一种搜题方法、搜题装置及智能终端 |
CN110427412A (zh) * | 2019-06-27 | 2019-11-08 | 深圳中兴网信科技有限公司 | 题目读取方法、装置、题目录入装置和计算机存储介质 |
CN110765995A (zh) * | 2019-10-11 | 2020-02-07 | 深圳市鹰硕技术有限公司 | 一种答题卡生成方法、识别方法、装置及存储介质 |
CN110837833A (zh) * | 2019-11-14 | 2020-02-25 | 广东小天才科技有限公司 | 题目选取方法、装置、终端设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
孟祥丽等.纸质问卷版面设计与自动识别***研究.《测控技术》.2018,第37卷(第8期),第32-35、45页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111553365A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975560B (zh) | 一种智能设备的题目搜索方法和装置 | |
CN104268603B (zh) | 用于文字性客观题的智能阅卷方法及*** | |
CN111753767A (zh) | 一种作业自动批改的方法、装置、电子设备和存储介质 | |
CN111027537B (zh) | 一种搜题方法及电子设备 | |
CN103761892A (zh) | 一种语音播放纸质书籍内容的方法及装置 | |
CN109933198B (zh) | 一种语义识别方法及装置 | |
CN109783613B (zh) | 一种搜题方法及*** | |
CN107679070B (zh) | 一种智能阅读推荐方法与装置、电子设备 | |
CN103903491A (zh) | 一种实现书写检查的方法及装置 | |
CN111581367A (zh) | 一种题目录入的方法和*** | |
CN111753120A (zh) | 一种搜题的方法、装置、电子设备和存储介质 | |
CN111711757B (zh) | 防手指遮挡的试题拍摄方法、装置、电子设备和存储介质 | |
CN111524045A (zh) | 一种听写方法及装置 | |
CN112149680A (zh) | 错字检测识别方法、装置、电子设备及存储介质 | |
CN111553365B (zh) | 一种题目选取的方法、装置、电子设备及存储介质 | |
CN111753168A (zh) | 一种搜题的方法、装置、电子设备及存储介质 | |
CN111563497B (zh) | 基于移动轨迹的框题方法、装置、电子设备及存储介质 | |
CN111079489B (zh) | 一种内容识别方法及电子设备 | |
CN111582281B (zh) | 一种图片显示优化的方法、装置、电子设备和存储介质 | |
CN111711758B (zh) | 多指定位的试题拍摄方法、装置、电子设备和存储介质 | |
CN112560728B (zh) | 目标对象识别方法及装置 | |
CN111563498B (zh) | 一种题目收集的方法、装置、电子设备及存储介质 | |
CN113449652A (zh) | 基于生物特征识别的定位方法及装置 | |
CN111652204B (zh) | 目标文本区域选择的方法、装置、电子设备和存储介质 | |
CN113420983A (zh) | 一种书写评价方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |