论文部分内容阅读
传统的手工阅卷方式效率低、教师负担重,而且阅卷结果受教师主观因素的影响较大。在photoshop考试中,传统阅卷方式的弊端更加凸显。目前的photoshop操作题自动阅卷技术主要采用psd文档信息获取法进行处理,该方法可以获取到图像大小、图层信息等关键点,但是难以获取图像的具体内容,因而对无法结果图像做出判断。针对上述问题,本文提出了基于图像处理的photoshop阅卷方法,该方法采用改进后的卷积神经网络实现对考生操作结果图像的评阅,适用性宽,具有较高的评阅准确率。本文主要工作如下:(1)photoshop阅卷方案设计。由于操作题类型多样,操作结果图像涉及多种特征变化,设计了基于卷积神经网络的photoshop阅卷方案。根据阅卷特点,设计考生答案样本和卷积神经网络阅卷模型,利用生成的样本训练网络,实现对考生答案图像的评阅。(2)操作题答案样本的设计。由于收集考生答案图像不现实,同时现有数据集也不适用于训练本文网络,设计了单素材与双素材两种类型的操作题考生答案样本。单素材操作题,采用了轮廓缩放、选区和仿射变换的方式生成样本。双素材操作题,通过处理所叠加图片的背景和选区生成样本。通过这些方式生成的样本,涵盖了考生可能出现的情况,符合实际作答结果,有利于photoshop阅卷模型的训练与实际应用。(3)photoshop阅卷方法的卷积神经网络模型设计。针对考生答案图像差异小的特点,采用VGG-16深度卷积神经网络,并且对其模型复杂,训练时间长,速度慢问题,依据阅卷特点,优化了网络结构,调整了网络参数,采用了随机失活技术以及Adam优化算法训练网络。结果表明,该网络可在提高阅卷准确率的同时缩短训练时间。基于图像处理的photoshop自动阅卷技术解决了分析psd文档信息法难以判断图像内容的问题,对自动阅卷技术问题的解决有很大的借鉴意义。