改错题评阅方法、相关设备及可读存储介质
阅读：183发布：2020-05-13
专利汇可以提供改错题评阅方法、相关设备及可读存储介质专利检索，专利查询，专利分析的服务。并且本 申请 公开了一种改错题评阅方法、相关设备及可读存储介质，在获取待评阅改错题的整体答题区域图像之后，对该图像进行语义分割处理，得到该图像中的分割部件，并基于该整体答题区域图像中的分割部件，确定该整体答题区域图像中的 修改 处；由于对整体答题区域图像进行语义分割处理得到的分割部件，不会因为整体答题区域图像与答题模板的图像不完全对应就会发生改变，因此，基于整体答题区域图像中的分割部件，能够准确确定出修改处，通过对确定出的修改处进行分析，即可得到对改错题的准确评阅结果。，下面是改错题评阅方法、相关设备及可读存储介质专利的具体信息内容。
1.一种改错题评阅方法，其特征在于，包括：
获取待评阅改错题的整体答题区域图像；
对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件，包括：
将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件，所述语义分割模型是利用样本图像集对预设模型进行训练得到的；
其中，所述样本图像集中的每组样本图像包括：一个改错题整体答题区域的原始图像，以及，对所述原始图像中每个像素所属的类别进行标注后生成的参考图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处，包括：
获取所述整体答题区域图像中每个所述分割部件所属的类别；
根据每个所述分割部件所属的类别，从所有分割部件中确定目标分割部件，每个所述目标分割部件所属的类别为用于指示答题者修改内容的类别；
获取与所述目标分割部件对应的待修改单词，所述待修改单词为印刷体单词；
根据所述待修改单词，确定所述整体答题区域图像中的修改处。
4.根据权利要求3所述的方法，其特征在于，所述根据所述待修改单词，确定所述整体答题区域图像中的修改处，包括：
确定所述待修改单词左侧的预设数量个印刷体单词对应的区域，所述待修改单词右侧的预设数量个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。
5.根据权利要求1所述的方法，其特征在于，所述对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果，包括：
生成每个所述修改处的描述信息；
获取与所述每个修改处的描述信息对应的目标标准答案描述信息；
将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
6.根据权利要求5所述的方法，其特征在于，所述生成每个所述修改处的描述信息，包括：
确定所述每个修改处的待修改单词、修改属性信息、修改后的单词，所述修改后的单词为纯手写单词；
根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息。
7.根据权利要求6所述的方法，其特征在于，所述根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息，包括：
获取所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词；
将所述待修改单词、所述修改属性信息、所述修改后的单词、所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词进行组合，生成每个所述修改处的描述信息。
8.根据权利要求5所述的方法，其特征在于，所述将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果，包括：
计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度；
根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果；
基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果。
9.根据权利要求8所述的方法，其特征在于，所述计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，包括：
获取所述目标标准答案描述信息中包含的单词总数；
通过比较所述每个修改处的描述信息与所述目标标准答案描述信息，确定所述每个修改处的描述信息与所述目标标准答案描述信息相比，少识别的单词，以及，识别错误的单词；
获取所述少识别的单词总数以及所述识别错误的单词总数；
根据所述目标标准答案描述信息中包含的单词总数、所述少识别的单词总数以及所述识别错误的单词总数，计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度。
10.根据权利要求9所述的方法，其特征在于，所述根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果，包括：
获取预设的相似度阈值；
当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度大于等于所述相似度阈值时，评阅所述每个修改处的修改正确；
当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，评阅所述每个修改处的修改错误。
11.一种改错题评阅装置，其特征在于，包括：
获取单元，用于获取待评阅改错题的整体答题区域图像；
语义分割单元，用于对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
修改处确定单元，用于基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
评阅单元，用于对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
12.一种改错题评阅系统，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1至10中任一项所述的改错题评阅方法的各个步骤。
13.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至10中任一项所述的改错题评阅方法的各个步骤。
改错题评阅方法、相关设备及可读存储介质
技术领域
背景技术
[0002] 改错题是集语法知识与语言能力为一体的综合性试题，主要考查学生识别错误并改正错误的能力，以及，在语篇中综合运用相应语种语言的能力。答题者通过手写的方式对考题中文字进行增加、删除或修改的方式进行答题。
[0003] 近年来，随着计算机技术和信息技术的迅速发展，尤其是人工智能技术的快速推进，使用人工智能来代替传统人工已经成为各行各业的热点方向。应试教育的阅卷模式也由传统的纯人工评阅，逐步演变为由人工智能代替部分人工实现自动评阅。目前，在大规模考试(如，高考、中考、会考等)场景下，部分科目，部分题目(如客观题、作文、填空题等)已经可以实现自动评阅。
[0004] 然而，对于改错题，由于其特殊性会出现手写的插入符、删除符等符号，而且，答题者作答中会出现符号书写不规范、作答区域不统一，导致批改有难度。所以改错题迄今仍需要人工评阅。特别是大规模考试时，人工评阅的方式耗时耗力，给评阅人员带来很大的工作压力，此外，人工评阅还常容易受评阅人员主观性影响，使得评阅结果有失公正性。
[0005] 因此，如何提供一种改错题的自动评阅方案，成为本领域技术人员亟待解决的技术问题。发明内容
[0006] 鉴于上述问题，提出了本申请以便提供一种改错题评阅方法、相关设备及可读存储介质。具体方案如下：
[0007] 一种改错题评阅方法，包括：
[0008] 获取待评阅改错题的整体答题区域图像；
[0009] 对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
[0010] 基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
[0011] 对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0012] 可选地，所述对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件，包括：
[0013] 将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件，所述语义分割模型是利用样本图像集对预设模型进行训练得到的；
[0015] 可选地，所述基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处，包括：
[0016] 获取所述整体答题区域图像中每个所述分割部件所属的类别；
[0017] 根据每个所述分割部件所属的类别，从所有分割部件中确定目标分割部件，每个所述目标分割部件所属的类别为用于指示答题者修改内容的类别；
[0018] 获取与所述目标分割部件对应的待修改单词，所述待修改单词为印刷体单词；
[0019] 根据所述待修改单词，确定所述整体答题区域图像中的修改处。
[0020] 可选地，所述根据所述待修改单词，确定所述整体答题区域图像中的修改处，包括：
[0021] 确定所述待修改单词左侧的预设数量个印刷体单词对应的区域，所述待修改单词右侧的预设数量个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。
[0022] 可选地，所述对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果，包括：
[0023] 生成每个所述修改处的描述信息；
[0024] 获取与所述每个修改处的描述信息对应的目标标准答案描述信息；
[0025] 将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
[0026] 可选地，所述生成每个所述修改处的描述信息，包括：
[0027] 确定所述每个修改处的待修改单词、修改属性信息、修改后的单词，所述修改后的单词为纯手写单词；
[0028] 根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息。
[0029] 可选地，所述根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息，包括：
[0030] 获取所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词；
[0031] 将所述待修改单词、所述修改属性信息、所述修改后的单词、所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词进行组合，生成每个所述修改处的描述信息。
[0032] 可选地，所述将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果，包括：
[0033] 计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度；
[0034] 根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果；
[0035] 基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果。
[0036] 可选地，所述计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，包括：
[0037] 获取所述目标标准答案描述信息中包含的单词总数；
[0038] 通过比较所述每个修改处的描述信息与所述目标标准答案描述信息，确定所述每个修改处的描述信息与所述目标标准答案描述信息相比，少识别的单词，以及，识别错误的单词；
[0039] 获取所述少识别的单词总数以及所述识别错误的单词总数；
[0040] 根据所述目标标准答案描述信息中包含的单词总数、所述少识别的单词总数以及所述识别错误的单词总数，计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度。
[0041] 可选地，所述根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果，包括：
[0042] 获取预设的相似度阈值；
[0043] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度大于等于所述相似度阈值时，评阅所述每个修改处的修改正确；
[0044] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，评阅所述每个修改处的修改错误。
[0045] 一种改错题评阅装置，包括：
[0046] 获取单元，用于获取待评阅改错题的整体答题区域图像；
[0047] 语义分割单元，用于对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
[0048] 修改处确定单元，用于基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
[0049] 评阅单元，用于对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0050] 可选地，所述语义分割单元，包括：
[0051] 输入单元，用于将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件，所述语义分割模型是利用样本图像集对预设模型进行训练得到的；
[0052] 其中，所述样本图像集中的每组样本图像包括：一个改错题整体答题区域的原始图像，以及，对所述原始图像中每个像素所属的类别进行标注后生成的参考图像。
[0053] 可选地，所述修改处确定单元，包括：
[0054] 类别获取单元，用于获取所述整体答题区域图像中每个所述分割部件所属的类别；
[0055] 目标分割部件确定单元，用于根据每个所述分割部件所属的类别，从所有分割部件中确定目标分割部件，每个所述目标分割部件所属的类别为用于指示答题者修改内容的类别；
[0056] 待修改单词获取单元，用于获取与所述目标分割部件对应的待修改单词，所述待修改单词为印刷体单词；
[0057] 修改处确定子单元，用于根据所述待修改单词，确定所述整体答题区域图像中的修改处。
[0058] 可选地，所述修改处确定子单元，包括：
[0059] 第一确定子单元，用于确定所述待修改单词左侧的预设数量个印刷体单词对应的区域，所述待修改单词右侧的预设数量个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。
[0060] 可选地，所述评阅单元，包括：
[0061] 修改处的描述信息生成单元，用于生成每个所述修改处的描述信息；
[0062] 标准答案描述信息获取单元，用于获取与所述每个修改处的描述信息对应的目标标准答案描述信息；
[0063] 对比单元，用于将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
[0064] 可选地，所述修改处的描述信息生成单元，包括：
[0065] 第二确定子单元，用于确定所述每个修改处的待修改单词、修改属性信息、修改后的单词，所述修改后的单词为纯手写单词；
[0066] 第一生成子单元，用于根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息。
[0067] 可选地，所述第一生成子单元，包括：
[0068] 第一获取子单元，用于获取所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词；
[0069] 组合子单元，用于将所述待修改单词、所述修改属性信息、所述修改后的单词、所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词进行组合，生成每个所述修改处的描述信息。
[0070] 可选地，所述对比单元，包括：
[0071] 相似度计算单元，用于计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度；
[0072] 第一评阅结果获得单元，用于根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果；
[0073] 第二评阅结果获得单元，用于基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果。
[0074] 可选地，所述相似度计算单元，具体用于：
[0075] 获取所述目标标准答案描述信息中包含的单词总数；
[0076] 通过比较所述每个修改处的描述信息与所述目标标准答案描述信息，确定所述每个修改处的描述信息与所述目标标准答案描述信息相比，少识别的单词，以及，识别错误的单词；
[0077] 获取所述少识别的单词总数以及所述识别错误的单词总数；
[0078] 根据所述目标标准答案描述信息中包含的单词总数、所述少识别的单词总数以及所述识别错误的单词总数，计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度。
[0079] 可选地，所述第一评阅结果获得单元，具体用于：
[0080] 获取预设的相似度阈值；
[0081] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度大于等于所述相似度阈值时，评阅所述每个修改处的修改正确；
[0082] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，评阅所述每个修改处的修改错误。
[0083] 一种改错题评阅系统，包括存储器和处理器；
[0084] 所述存储器，用于存储程序；
[0085] 所述处理器，用于执行所述程序，实现如上所述的改错题评阅方法的各个步骤。
[0086] 一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的改错题评阅方法的各个步骤。
[0087] 借由上述技术方案，本申请公开了一种改错题评阅方法、相关设备及可读存储介质，在获取待评阅改错题的整体答题区域图像之后，对该图像进行语义分割处理，得到该图像中的分割部件，并基于该整体答题区域图像中的分割部件，确定该整体答题区域图像中的修改处；由于对整体答题区域图像进行语义分割处理得到的分割部件，不会因为整体答题区域图像与答题模板的图像不完全对应就会发生改变，因此，基于整体答题区域图像中的分割部件，能够准确确定出修改处，通过对确定出的修改处进行分析，即可得到对改错题的准确评阅结果。附图说明
[0088] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0089] 图1为本申请实施例公开的改错题评阅方法的流程示意图；
[0090] 图2为本申请实施例公开的一种整体答题区域图像中的分割部件示意图；
[0091] 图3为本申请实施例公开的一种连通域计算示意图；
[0092] 图4为本申请实施例公开的一种基于整体答题区域图像中的分割部件，确定整体答题区域图像中的修改处的方法的流程示意图；
[0093] 图5为本申请实施例公开的一种修改处的示意图；
[0094] 图6为本申请实施例公开的另一种修改处的示意图；
[0095] 图7为本申请实施例公开的一种对整体答题区域图像中的修改处进行分析，得到对改错题的评阅结果的方法的流程示意图；
[0096] 图8为本申请实施例公开的确定待修改单词的示意图；
[0097] 图9为本申请实施例公开的将标准答案的修改处的描述信息渲染成图片的示意图；
[0098] 图10为本申请实施例公开的一种改错题评阅装置结构示意图；
具体实施方式
[0100] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0101] 现有的智能阅卷技术，需要预先生成待评阅试题的模板，待评阅试题的模板包括根据正确答案预先设定的单点答题区域，并且需要获取待评阅试卷上答题者书写的答案对应的答题图像，然后，基于待评阅试题的模板以及答题图像实现智能阅卷。具体地，先根据待评阅试题的模板中的各个单点答题区域对答题图像进行切分，获取单点答题图像，对每一个单点答题图像，都进行如下处理：对该单点答题图像进行图像识别，获得识别结果，通过将该单点答题图像的识别结果与对应的单点答题区域进行对比，最终得到该单点答题图像的评阅结果。所有的单点答题图像处理完毕之后，即得到待评阅试卷上答题者书写的答案的评阅结果。
[0102] 基于现有的智能阅卷技术，为了实现对改错题的自动评阅，本案发明人进行研究，起初的思路为：
[0103] 预先生成待评阅改错题的模板，待评阅改错题的模板包括根据正确答案预先设定的单点答题区域，每个单点答题区域对应待评阅改错题的一处修改。获取待评阅试卷上答题者书写的改错题答案对应的答题图像，然后，基于待评阅试题的模板以及答题图像实现智能阅卷。具体地，先根据待评阅试题的模板中的各个单点答题区域对答题图像进行切分，获取单点答题图像，对每一个单点答题图像，都进行如下处理：对该单点答题图像进行图像识别，获得识别结果，通过将该单点答题图像的识别结果与对应的单点答题区域进行对比，最终得到该单点答题图像的评阅结果。所有的单点答题图像处理完毕之后，即得到待评阅试卷上答题者书写的改错题答案的评阅结果。
[0104] 但是，目前，待评阅试卷上答题者书写的改错题答案对应的答题图像，是通过拍照、摄像、扫描或者直接导入预先拍摄好的图像文件的方式获取的，可能会由于试卷摆放位置有差异或者拍照、摄像、扫描出现偏移等，导致生成的单点答题图像存在偏差，对存在偏差的单点答题图像进行识别容易出现多识别、漏识别的问题，而且，由于答题者作答过程中会出现不规范作答、涂抹等，影响了对生成的单点答题图像的识别，出现识别准确率低的问题，而多识别、漏识别或者识别准确率低都会影响自动评阅改错题的准确率。
[0105] 鉴于上述思路存在的问题，本案发明人进行了深入研究，最终提出了一种改错题评阅方法，该方法能够实现对改错题的准确识别，进而提升自动评阅改错题的准确率。接下来，通过下述实施例对本申请提供的改错题评阅方法进行介绍。
[0106] 需要说明的是，本申请中提出的改错题评阅方法适用于对于语言类改错题(包括英文改错题)这一题型的自动评阅，该方法可以应用于带有图像采集识别功能的智能设备或系统，本申请实施例对此不作具体限定。
[0107] 请参阅图1，图1为本申请实施例公开的改错题评阅方法的流程示意图，该方法可以包括：
[0108] S101：获取待评阅改错题的整体答题区域图像。
[0109] 在本实施例中，待评阅改错题可以为在大规模考试(如，高考、中考、会考等)场景下，考生作答的语言类改错题(包括英文改错题)。待评阅改错题的整体答题区域可以为在试卷上或者答题卡上为上述改错题设置的答题区域，该答题区域中包括整个改错题的题干，以及，考生通过手写的方式进行的作答。待评阅改错题的整体答题区域图像可以通过拍照、摄像、扫描等方式获取。
[0110] S102：对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件。
[0111] 在本实施例中，可以先对整体答题区域图像进行预处理，得到预处理之后的整体答题区域图像，再对预处理之后的整体答题区域图像进行语义分割处理，得到整体答题区域图像中的分割部件。
[0112] 其中，预处理的方式可以有多种。作为一种可实施方式，可对整体答题区域图像进行规整，比如，将整体答题区域图像的长边规整到1024，短边按照相应比例进行缩放，保证整体答题区域图像的宽高比不变。作为又一种可实施方式，可对整体答题区域图像中的手写符号进行规整处理，比如，可对首尾较长的手写删除符的首尾区域抹掉，另外，还可对整体答题区域图像进行图像增强处理等，对此本申请不进行任何限定。
[0113] 需要说明的是，对所述整体答题区域图像进行语义分割处理的方式有多种，但是，不管采用何种语义分割处理方式，均可得到整体答题区域图像中的分割部件。在本实施例中，整体答题区域图像中可包括多种类别的分割部件，不同类别的分割部件可以标识其对应的内容是改错题的题干内容还是答题者的修改内容。
[0114] 为便于理解，请参阅附图2，图2为本申请实施例公开的一种整体答题区域图像中的分割部件示意图，如图2所示，各个矩形框的部分即为整体答题区域图像中的各个分割部件，不同类别的分割部件可以采用不同形式的矩形框进行标识，比如，可以采用不同颜色的矩形框进行标识。
[0115] S103：基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处。
[0116] 在本实施例中，由于整体答题区域图像中的分割部件可以标识其对应的内容是改错题题干内容还是答题者的修改内容，因此，可基于整体答题区域图像中的分割部件，确定整体答题区域图像中的修改处。
[0117] 需要说明的是，现有方案中，是通过在答题模板上截取的修改处的位置信息，从整体答题区域图像中确定出修改处的，但是，整体答题区域图像可能由于种种原因(如，扫描仪原因，试卷或答题卡摆放位置不统一原因等)无法与答题模板完全对应，这种情况下，可能导致确定出的修改处与答题模板上截取的修改处出现偏差，影响评阅准确性。
[0118] 而在本实施例中，是基于整体答题区域图像中的分割部件，确定修改处的，而对整体答题区域图像进行语义分割处理得到的整体答题区域图像中的分割部件，是不会因为整体答题区域图像与答题模板的图像不完全对应就会发生改变的，因此，基于整体答题区域图像中的分割部件，能够准确确定出修改处，而修改处的准确为后续评阅准确奠定了基础。
[0119] S104：对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0120] 在本实施例中，可以采用多种方式对整体答题区域图像中的修改处进行分析，由于前面已经能够保证确定出的修改处是准确的，因此，不论采用诸如图像识别等现有方案，还是采用本申请后续提出的分析方案，都可以使得到的改错题的评阅结果的准确度有所提升。
[0121] 本申请中，还公开了一种对整体答题区域图像进行语义分割处理的实现方式，具体的，可将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件。
[0122] 需要说明的是，所述语义分割模型是利用样本图像集对预设模型进行训练得到的。预设模型具体可以采用如DeepLabv3+的网络结构模型，当然，其他网络结构模型也在本申请保护范围之内。
[0123] 在本申请中，用于训练语义分割模型的样本图像集中包括多组样本图像，每组样本图像包括：一个改错题整体答题区域的原始图像，以及，对所述原始图像中每个像素所属的类别进行标注后生成的参考图像。其中，所有样本图像能够覆盖不同地区，不同学校，不同考场，不同书写习惯等。比如，样本图像中可以包括伪造的样本图像，伪造方式可以有多种，比如，可以将真实的样本图像，采用不同的字体生成不同的印刷体图片，或者，基于真实的样本图像，通过多人次书写不同的手写单词、手写插入符号、替换符号获取扫描图片，或者，将手写单词和印刷体单词按照单词的编辑距离进行相似度判断，从而大批量生成样本图像。
[0124] 在本申请中，对所述原始图像中每个像素标注的类别，可以包括用于指示改错题题干内容的类别以及用于指示答题者修改内容的类别，其中，用于指示改错题题干内容的类别可以包括印刷体单词、背景类等，用于指示答题者修改内容的类别可以包括带删除符的印刷体单词、纯手写单词、插入符、替换符、调换位置符等。在进行标注之前，可以预先确定各个类别的标识，在进行标注时，直接将采用标识进行标注即可。
[0125] 示例如，每个标识及对应的类别可以如下表所示：
[0126] 标识 类别0 印刷体单词
1 带删除符的印刷体单词
2 纯手写单词
3 替换符
4 插入符
5 背景类
1 带删除符的印刷体单词
2 纯手写单词
3 替换符
4 插入符
5 背景类
[0127] 在本申请中，在采用上述样本图像集训练语义分割模型时，是以原始图像作为输出，以参考图像作为训练目标的。需要说明的是，在将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件时，需要对相同类别的像素点采用8邻域计算连通域，从而将相同类别的像素点聚在一起。在计算连通域时，存在孤岛现象，如图3所示，白色点被黑色点包围且白色点个数较少，则直接采用其被包围的黑色点的类别进行替代。因此，本申请中，可以将孤岛面积的阈值设置为小于10，小于10则认为该像素点的类别需被周围的类别进行替代。
[0128] 本申请中，还公开了一种基于整体答题区域图像中的分割部件，确定整体答题区域图像中的修改处的具体实现方式，具体请参阅附图4，图4为本申请实施例公开的一种基于整体答题区域图像中的分割部件，确定整体答题区域图像中的修改处的方法的流程示意图，该方法包括如下步骤：
[0129] S401：获取所述整体答题区域图像中每个所述分割部件所属的类别。
[0130] 在本申请中，语义分割模型输出的结果中包括所述整体答题区域图像中每个所述分割部件所属的类别，因此，可以从语义分割模型输出的结果中获取整体答题区域图像中每个所述分割部件所属的类别。
[0131] S402：根据每个所述分割部件所属的类别，从所有分割部件中确定目标分割部件。
[0132] 在本申请中，每个所述目标分割部件所属的类别为用于指示答题者修改内容的类别。用于指示答题者修改内容的类别的分割部件都可以标识出这些分割部件与原始题干相比是新增加的修改部分，这些修改部分则可以认为是答题者对改错题的修改。因此，在本申请中，需要从所有分割部件中确定出所属的类别为用于指示答题者修改内容的类别(如带删除符的印刷体单词、插入符、替换符、调换位置符等)的分割部件作为目标分割部件，以基于确定出的目标分割部件确定出整体答题区域图像中的修改处。
[0133] S403：获取与所述目标分割部件对应的待修改单词，所述待修改单词为印刷体单词。
[0134] 在本申请中，在确定出目标分割部件之后，可以获取与目标分割部件对应的待修改单词，所述待修改单词为印刷体单词。
[0135] 不同类别的目标分割部件，确定其对应的待修改单词的方式不同，具体可以如下：
[0136] 当目标分割部件的类型为带删除符的印刷体单词时，确定与目标分割部件对应的待修改单词为带删除符号的印刷体单词。
[0137] 当目标分割部件的类型为插入符时，确定与目标分割部件对应的待修改单词为插入符尖角左侧的印刷体单词。需要说明的是，由于存在部分答题者书写不规范，存在尖角不闭合的情况，这种情况下，可进行直线检测，拟合出两条直线的夹角，进而将夹角左侧的单词作为待修改单词。
[0138] 当目标分割部件的类型为替换符时，确定与目标分割部件对应的待修改单词为替换符正上方的印刷体单词。需要说明的是，由于存在部分答题者书写不规范，存在替换符与多个印刷体单词有重合的情况，这种情况下，优选重合度最多的印刷体单词作为待修改单词。
[0139] S404：根据所述待修改单词，确定所述整体答题区域图像中的修改处。
[0140] 在改错题中，答题者的标准作答区域是在待修改单词的下方空白区域，本申请中，根据所述待修改单词，确定所述整体答题区域图像中的修改处的一种实施方式可以为：可以确定待修改单词的下方空白区域为整体答题区域图像中的一个修改处。图5为本申请实施例公开的一种修改处的示意图，图5中黑框内的区域即为一个修改处。
[0141] 但是，由于存在部分答题者书写不规范，存在在标准作答区域之外的区域进行作答的情况，如果只将待修改单词的下方空白区域作为修改处的话，可能导致修改处无法包含答题者的作答。
[0142] 为解决这种问题，在本申请中，根据所述待修改单词，确定所述整体答题区域图像中的修改处的另一种实施方式可以为：确定所述待修改单词左侧的预设数量个印刷体单词对应的区域，所述待修改单词右侧的预设数量个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。在本申请中，单词对应的区域具体可以为单词的位置信息对应的区域。单词的位置信息可以从语义分割结果中获得。
[0143] 示例如，可以确定所述待修改单词左侧的3个印刷体单词对应的区域，所述待修改单词右侧的3个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。图6为本申请实施例公开的另一种修改处的示意图，图6中黑框内的区域即为一个修改处。
[0144] 虽然采用现有的修改处分析方式，如图像识别，已然能够提升改错题的评阅结果的准确度，但是仍然不够优化，因此，本申请中，还公开了一种对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果的实现方式，具体请参阅附图7，图7为本申请实施例公开的一种对整体答题区域图像中的修改处进行分析，得到对改错题的评阅结果的方法的流程示意图，该方法包括如下步骤：
[0145] S701：生成每个所述修改处的描述信息。
[0146] 在本申请中，每个修改处的描述信息中至少需要包含该修改处的待修改单词、修改属性信息、修改后的单词，因此，本申请中，生成每个所述修改处的描述信息的一种可实施方式为：确定每个修改处的待修改单词、修改属性信息、修改后的单词，将每个修改处的待修改单词、修改属性信息、修改后的单词进行组合，即可生成该修改处的描述信息。
[0147] 具体的，确定每个修改处的待修改单词、修改属性信息、修改后的单词的方式可以如下：
[0148] 确定每个修改处的修改符号，对修改符号进行识别，确定每个修改处的修改属性信息，比如，修改符号为删除符，则修改属性信息为delete(删除)，修改符号为替换符，则修改属性信息为repalce(替换)，修改符号为插入符，则修改属性信息为insert(插入)，由于存在替换符和插入符黏连的情况，针对这种情况的修改符号，修改属性信息为repins(待定)。
[0149] 根据每个修改处的修改符号，确定每个修改处的待修改单词，比如，修改符号为删除符时，确定带删除符的印刷体单词为待修改单词，修改符号为替换符时，确定替换符正上方的印刷体单词为待修改单词，修改符号为插入符时，确定插入符尖角左侧的印刷体单词为待修改单词。需要说明的是，由于存在部分答题者书写不规范，存在替换符与多个印刷体单词有重合的情况，这种情况下，优选重合度最多的印刷体单词作为待修改单词。由于存在部分答题者书写不规范，存在尖角不闭合的情况，这种情况下，可进行直线检测，拟合出两条直线的夹角，进而将夹角左侧的单词作为待修改单词。修改符号为待定时，确定与修改单词重合度最多的印刷体单词为待修改单词。如图8所示，由于修改符号书写在印刷体单词上，导致该手写单词“exam”无修改符号分配，而“exam”与印刷体单词“exams”、“but”都有重合，结合一般的书写习惯，修改内容一般在被修改单词的右下方。故选取“exams”作为待修改单词。
[0150] 需要说明的是，每个修改处修改后的单词从手写单词中进行选取，因此，可以通过对每个修改处的手写单词进行识别，确定每个修改处的修改后的单词，具体的，可使用识别模型(如CNN+GRU)对每个修改处的手写单词进行识别，作为每个修改处的修改后的单词。如果某个修改处识别后不存在手写单词，则将该修改处的修改后的单词设为空，一般情况下，只有插入和替换时才会有手写单词，因此，对于删除这种情况，修改后的单词为空。
[0151] 需要说明的是，从手写单词中进行选取每个修改处修改后的单词的选取的原则为修改符号下方且与修改符号重合度最多的单词。
[0152] 需要说明的是，可以采用诸如“[C]/修改属性信息[F]”将每个修改处的待修改单词、修改属性信息、修改后的单词进行组合，其中[C]为每个修改处的待修改单词，[F]为每个修改处的修改后的单词。
[0153] 发明人在采用上述方式生成每个修改处的描述信息，并基于该描述信息得到对改错题的评阅结果之后，经过统计发现自动评阅结果与人工评阅结果的一致率并不是很高。为解决该问题，发明人提出在生成每个修改处的描述信息时，综合考虑待修改单词左侧的内容以及待修改单词右侧的内容，能够在一定程度上提升准确率。
[0154] 因此，本申请还公开了生成每个所述修改处的描述信息的另一种可实施方式，具体为：确定所述每个修改处的待修改单词、修改属性信息、修改后的单词，所述修改后的单词为纯手写单词；获取所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词；将所述待修改单词、修改属性信息、修改后的单词、所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词进行组合，生成每个所述修改处的描述信息。
[0155] 需要说明的是，正常情况下替换符及所替换的内容会在待修改单词的正下方，但若所替换的内容内存较长则会向左右有偏移，而在进行人工评阅时，也会参照左右单词的信息进行校验，但是存在两处修改较近的情况，不能扩展较多，因此，本申请发明人经多次试验论证，发现考虑所述待修改单词左侧的2个印刷体单词、以及所述待修改单词右侧的2个印刷体单词能够使自动评阅结果与人工评阅结果的一致率最高。试验结果如下表所示：
[0156] 方法 批改人机一致率(％)只包含被修改单词 89.99
被修改单词+右侧一个印刷体单词 92.72
被修改单词+左侧一个印刷体单词 92.36
被修改单词+左右各一个单词 95.97
被修改单词+左右各两个单词 97.12
被修改单词+左右各三个单词 96.95
被修改单词+右侧一个印刷体单词 92.72
被修改单词+左侧一个印刷体单词 92.36
被修改单词+左右各一个单词 95.97
被修改单词+左右各两个单词 97.12
被修改单词+左右各三个单词 96.95
[0157] 因此，作为一种优选的实施方式，本申请中所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词可以为所述待修改单词左侧的2个印刷体单词、以及所述待修改单词右侧的2个印刷体单词。
[0158] 在本申请中，每个所述修改处的描述信息可以采用诸如“AB[C]/修改属性信息[F]D E”将每个修改处的待修改单词、修改属性信息、修改后的单词、所述待修改单词左侧的2个印刷体单词、以及所述待修改单词右侧的2个印刷体单词进行组合，生成每个所述修改处的描述信息进行组合，其中A、B为所述待修改单词左侧的2个印刷体单词，[C]为每个修改处的待修改单词，[F]为每个修改处的修改后的单词，D、E为所述待修改单词右侧的2个印刷体单词。
[0159] 需要说明的是，由于改错题题干存在多行，如果在某一行的开始进行修改，或者某一行的结束进行修改，则可能不存在所述待修改单词左侧的2个印刷体单词或者不存在所述待修改单词右侧的2个印刷体单词，这种情况下，直接取零个或一个即可。示例如：“One[hundreds]/replace[hundred]andtwenty”。
[0160] S702：获取与所述每个修改处的描述信息对应的目标标准答案描述信息。
[0161] 在本申请中，可以预先生成标准答案的修改处的描述信息，每个标准答案描述信息中包括行信息。需要说明的是，预先生成的标准答案的修改处的描述信息也是采用诸如“[C]/修改属性信息[F]”或“AB[C]/修改属性信息[F]DE”的形式描述的，为了便于理解，图9给出了将标准答案的修改处的描述信息渲染成图片的示意图。图9中每个方框内的部分对应一个标准答案的修改处，该修改处的描述信息已预先生成。
[0162] 在本申请中，可以确定与每个修改处的行信息对应的标准答案描述信息作为目标标准答案描述信息。每个修改处的行信息可以从语义分割结果中获得。
[0163] S703：将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
[0164] 在本申请中，可以采用多种方式将每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
[0165] 作为一种可实施方式，可计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度；根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果；基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果。其中，基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果具体实现方式为：得到每个修改处的评阅结果后，结合标准答案中修改处的个数，从而获得整篇改错题的评阅结果，评阅结果具体可以为得分。
[0166] 其中，所述计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，包括：获取所述目标标准答案描述信息中包含的单词总数；通过比较所述每个修改处的描述信息与所述目标标准答案描述信息，确定所述每个修改处的描述信息与所述目标标准答案描述信息相比，少识别的单词，以及，识别错误的单词；获取所述少识别的单词总数以及所述识别错误的单词总数；根据所述目标标准答案描述信息中包含的单词总数、所述少识别的单词总数以及所述识别错误的单词总数，计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度。
[0167] 示例如：相似程度描述为
[0168]
[0169] 其中，N为目标标准答案描述信息中包含的单词总数；D为少识别的单词总数；S为识别错误的单词总数。
[0170] 如，标准答案是“One[hundreds]/replace[hundred]and twenty”，考生作答为“One[hundreds]/repins[hundred]and twenty”，其中N＝6，S＝1，D＝0，所以similar＝83％，当将修改属性信息repins修改为replace时，similar＝100％。当将修改属性信息repins修改为insert时，similar＝83％。
[0171] 其中，根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果，包括：获取预设的相似度阈值；当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度大于等于所述相似度阈值时，评阅所述每个修改处的修改正确；当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，评阅所述每个修改处的修改错误。
[0172] 发明人经过多次试验，发现相似度阈值取95％时，能够使自动评阅结果与人工评阅结果的一致率最高。试验结果如下表所示：
[0173]相似度阈值(％) 人机一致率(％)
80 85.6
85 86.7
90 95.43
95 97.12
97 96.53
80 85.6
85 86.7
90 95.43
95 97.12
97 96.53
[0174] 因此，作为一种优选实施方式，本申请中预设的相似度阈值可以为95％。
[0175] 需要说明的是，在本申请中，当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，所述方法还包括：生成提示信息，所述提示信息用于提示人工处理。
[0176] 但是，如果相似度小于相似度阈值可能是因为修改错误，如果每次出现这种情况都提示人工处理，则会降低评阅效率，因此，可以先判断所述识别错误的单词是否为用于指示修改属性的单词；如果是，再生成提示信息，提示人工处理，确保在不浪费人力的情况下减少错误率。
[0177] 下面对本申请实施例公开的改错题评阅装置进行描述，下文描述的改错题评阅装置与上文描述的改错题评阅方法可相互对应参照。
[0178] 参照图10，图10为本申请实施例公开的一种改错题评阅装置结构示意图。如图10所示，该改错题评阅装置可以包括：
[0179] 获取单元11，用于获取待评阅改错题的整体答题区域图像；
[0180] 语义分割单元12，用于对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
[0181] 修改处确定单元13，用于基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
[0182] 评阅单元14，用于对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0183] 作为一种可实施方式，所述语义分割单元，包括：
[0184] 输入单元，用于将所述整体答题区域图像输入预先训练的语义分割模型，得到所述整体答题区域图像中的分割部件，所述语义分割模型是利用样本图像集对预设模型进行训练得到的；
[0185] 其中，所述样本图像集中的每组样本图像包括：一个改错题整体答题区域的原始图像，以及，对所述原始图像中每个像素所属的类别进行标注后生成的参考图像。
[0186] 作为一种可实施方式，所述修改处确定单元，包括：
[0187] 类别获取单元，用于获取所述整体答题区域图像中每个所述分割部件所属的类别；
[0188] 目标分割部件确定单元，用于根据每个所述分割部件所属的类别，从所有分割部件中确定目标分割部件，每个所述目标分割部件所属的类别为用于指示答题者修改内容的类别；
[0189] 待修改单词获取单元，用于获取与所述目标分割部件对应的待修改单词，所述待修改单词为印刷体单词；
[0190] 修改处确定子单元，用于根据所述待修改单词，确定所述整体答题区域图像中的修改处。
[0191] 作为一种可实施方式，所述修改处确定子单元，包括：
[0192] 第一确定子单元，用于确定所述待修改单词左侧的预设数量个印刷体单词对应的区域，所述待修改单词右侧的预设数量个印刷体单词对应的区域，以及，所述待修改单词对应的区域为一个修改处。
[0193] 作为一种可实施方式，所述评阅单元，包括：
[0194] 修改处的描述信息生成单元，用于生成每个所述修改处的描述信息；
[0195] 标准答案描述信息获取单元，用于获取与所述每个修改处的描述信息对应的目标标准答案描述信息；
[0196] 对比单元，用于将所述每个所述修改处的描述信息与所述目标标准答案描述信息进行对比，得到对所述改错题的评阅结果。
[0197] 作为一种可实施方式，所述修改处的描述信息生成单元，包括：
[0198] 第二确定子单元，用于确定所述每个修改处的待修改单词、修改属性信息、修改后的单词，所述修改后的单词为纯手写单词；
[0199] 第一生成子单元，用于根据所述待修改单词、修改属性信息、修改后的单词，生成每个所述修改处的描述信息。
[0200] 作为一种可实施方式，所述第一生成子单元，包括：
[0201] 第一获取子单元，用于获取所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词；
[0202] 组合子单元，用于将所述待修改单词、所述修改属性信息、所述修改后的单词、所述待修改单词左侧的预设数量个印刷体单词、以及所述待修改单词右侧的预设数量个印刷体单词进行组合，生成每个所述修改处的描述信息。
[0203] 作为一种可实施方式，所述对比单元，包括：
[0204] 相似度计算单元，用于计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度；
[0205] 第一评阅结果获得单元，用于根据所述每个修改处的描述信息与所述目标标准答案描述信息的相似度，得到对所述每个修改处的评阅结果；
[0206] 第二评阅结果获得单元，用于基于对所述每个修改处的评阅结果，得到对所述改错题的评阅结果。
[0207] 作为一种可实施方式，所述相似度计算单元，具体用于：
[0208] 获取所述目标标准答案描述信息中包含的单词总数；
[0209] 通过比较所述每个修改处的描述信息与所述目标标准答案描述信息，确定所述每个修改处的描述信息与所述目标标准答案描述信息相比，少识别的单词，以及，识别错误的单词；
[0210] 获取所述少识别的单词总数以及所述识别错误的单词总数；
[0211] 根据所述目标标准答案描述信息中包含的单词总数、所述少识别的单词总数以及所述识别错误的单词总数，计算所述每个修改处的描述信息与所述目标标准答案描述信息的相似度。
[0212] 作为一种可实施方式，所述第一评阅结果获得单元，具体用于：
[0213] 获取预设的相似度阈值；
[0214] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度大于等于所述相似度阈值时，评阅所述每个修改处的修改正确；
[0215] 当所述每个修改处的描述信息与所述目标标准答案描述信息的相似度小于所述相似度阈值时，评阅所述每个修改处的修改错误。
[0216] 需要说明的是，上述各个单元的具体功能实现已在上文详细描述，本实施例不再赘述。
[0218] 在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
[0219] 处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
[0220] 存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
[0221] 其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
[0222] 获取待评阅改错题的整体答题区域图像；
[0223] 对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
[0224] 基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
[0225] 对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0226] 可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0227] 本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
[0228] 获取待评阅改错题的整体答题区域图像；
[0229] 对所述整体答题区域图像进行语义分割处理，得到所述整体答题区域图像中的分割部件；
[0230] 基于所述整体答题区域图像中的分割部件，确定所述整体答题区域图像中的修改处；
[0231] 对所述整体答题区域图像中的修改处进行分析，得到对所述改错题的评阅结果。
[0232] 可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0233] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0235] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种开启听写检测的方法及电子设备 | 2020-05-08 | 630 |
| 一种基于脑-机接口系统辅助评估视觉定位的方法 | 2020-05-11 | 191 |
| 一种针对电力巡检文本的错误识别方法 | 2020-05-13 | 874 |
| 一种听写检测方法及电子设备 | 2020-05-08 | 573 |
| 一种基于物联网的医学影像检查训练系统及方法 | 2020-05-11 | 596 |
| 基于深度学习的无监督视频分割方法 | 2020-05-12 | 1019 |
| 一种用于戒毒人员神经系统数据采集的装置及方法 | 2020-05-12 | 260 |
| 模型预测能力优化方法、装置、设备及可读存储介质 | 2020-05-12 | 699 |
| 一种公司形象提升系统的社交网络数据提取方法及系统 | 2020-05-14 | 668 |
| 一种提升人机交互对话语料质量与多样性的对话语料库生成方法 | 2020-05-12 | 296 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈