图像处理方法在photoshop阅卷中的应用研究

摘要

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。

目录

第一个书签之前