代替人工批卷？基于目标检测模型的试卷自动批阅实践

最新推荐文章于 2025-05-05 20:25:07 发布
置顶 最新推荐文章于 2025-05-05 20:25:07 发布
阅读量1.3k 收藏 6
点赞数
分类专栏： 目标检测实战
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Together_CZ/article/details/115735213
版权
本文介绍了使用YOLOv3模型进行试卷自动批阅的实践，通过目标检测技术识别答题正确与否。从数据集准备、模型训练到结果分析，详细阐述了整个过程，并展示了模型在真实试卷上的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
UAV 无人机检测实践分析
Together_CZ的博客
04-26 1404
本文是继前文如下： 《轻量级目标检测模型实战——杂草检测》 《yolov4-tiny目标检测模型实战——学生姿势行为检测》 《yolov5s 目标检测模型实战——火点烟雾检测实战》 《代替人工批卷？基于目标检测模型的试卷自动批阅实践》 后的第五篇目标检测系列博文，本文选用的模型并非前面几篇文章中的较为轻量级的模型，这里选用的是yolov3-spp模型，先看效果图： 看一下百度百科中对无人机的介...
yolobile 道路损坏检测实战
Together_CZ的博客
08-04 1450
本文是继前文如下： 《轻量级目标检测模型实战——杂草检测》 《yolov4-tiny目标检测模型实战——学生姿势行为检测》 《yolov5s 目标检测模型实战——火点烟雾检测实战》 《代替人工批卷？基于目标检测模型的试卷自动批阅实践》 《UAV 无人机检测实践分析》 后的第六篇目标检测系列博文，本文选用的模型并非前面几篇文章中的较为轻量级的模型，这里选用的是yolovbile模型，首先看下效...
基于OpenCV的自动批卷系统的设计与实现
weixin_112233的博客
10-10 1227
在毕业设计的制作中无时无刻不存在着思维火花的碰撞，在这次的设计后我对于系统的开发架构采用最热门的前端语言Vue，后端采用SpringBoot作为核心框架，长达2个月的开发使得我有了自己独有的见解，在编写代码是我也开始注重代码的规范和文件规范，这大大缩减了我随着代码的时间，提高了我编写代码的效率，为以后的拓展功能奠定一定的基础，同时在论文的撰写方面不再累赘叙述，已经开始直达主题，文章的说明也开始言简意赅，这些都体现了只有在实践的道路才可能发现真理。
机器学习_深度学习毕设题目汇总——目标检测B
MetaGrad的博客
02-05 7733
下面是该类的一些题目： 题目 典型恶劣天气条件下高铁周界入侵目标检测 图模型融合时空特征的视觉显著性目标检测算法研究 基于SAR图像的舰船目标检测方法研究 基于三维点云分析的智能汽车目标检测方法研究 基于传播模型的显著目标检测方法研究 基于全卷积模型的显著性目标检测算法研究 基于区域卷积神经网络的光学遥感图像部分遮挡目标检测识别技术研究 基于图的半监督学习与排序模型的视觉显著目标检测研究 基于深度神经网络的高分辨率遥感影像弱小目标检测 基于部分配置模型的高
c语言设计一个自动阅卷功能,程序阅卷论文,关于编程题自动阅卷系统的设计实现相关参考文献资料-免费论文范文...
weixin_30700095的博客
05-21 634
导读:本论文可用于程序阅卷论文范文参考下载，程序阅卷相关论文写作参考研究。(常州工学院计算机信息工程学院,江苏 常州 213002)摘 要：目前C语言编程题的自动阅卷主要采用比对程序运行结果的方法,这种方法由于不查看学生的程序内容,因此评分有失公允并且不能反映学生的真实水平.本系统采用动态评阅、结果对比、静态评阅相结合的方法,使评分结果公正、准确,更加接近于人工阅卷.该系统已经用于实际的教学环节...
利用Python+opencv+TensorFlow框架打造 一个试卷批改系统
热门推荐
z649431508的博客
09-09 1万+
本文编程采用Python语言，结合opencv库对图像进行处理，再利用TensorFlow框架下卷积神经网络 实现一个初步的简易试卷批改系统。 实现一个试卷批改系统，我将它主要分成俩个模块，第一个模块是图像识别，第二个模块是利用机器学习训练模型。
基于OpenCV和YOLO的作业自动批改计分系统
shansjqun的博客
11-03 850
基于OpenCV和YOLO的作业自动批改计分系统
Manus AI: 冲破次元壁，让手写文字跨越语言鸿沟
最新发布
海棠AI实验室
05-05 780
Manus AI 不仅仅是一项技术，它更像是一座桥梁，连接着模拟世界的笔触与数字世界的无限可能，跨越着语言和文化的鸿沟。通过其创新的架构、对多语言挑战的深刻理解以及对未来趋势的前瞻布局，Manus AI 正在重新定义手写识别的边界。从解读千年前的智慧，到处理当下瞬息万变的信息流，再到赋能未来的智能应用，Manus AI 的故事才刚刚开始。它让我们有理由相信，未来，无论何种语言，无论何种笔迹，思想的火花都将不再被纸张所束缚，而能在数字世界里自由、平等地交流与碰撞。
数据分析毕业设计 Django在线考试系统 - python
kooerr的博客
03-20 723
Vue是一套用于构建用户界面的渐进式框架。Vue采用自底向上增量开发的设计，提供了MVVM数据绑定和可组合的组件系统，具有简单、灵活的API，通过简单的API可实现响应式的数据绑定和可组合的视图组件。
数学建模——评卷问题
qq_45934521的博客
05-30 4945
评卷问题 在一类没有标准答案的答卷评卷中，如平时考试中对语文作文成绩、英语作 文成绩的评分,中期检查时对学生论文的评分,不同评阅人对同一-份答卷给出的 分数,出现一定范围内的偏差是正常的.但是,由于众多客观、主观因素的影响, 某些答卷人会存在以下异常现象: ●打分普遍偏高或偏低，导致他评阅的所有答卷的平均分都明显高于或低于总 体的平均分. ●打分范围过窄，区分度太小，导致他评阅的所有答卷的分数范围明显小于总 体的分数范围. 在评阅过程中，组织者可以通过一定的程序，让每位评卷人随机的评阅若干份答 卷，并且同一
基于深度学习的试卷手写文字擦除源码+模型+文档说明.zip
03-23
基于深度学习的试卷手写文字擦除源码+模型+文档说明.zip数据划分：使用1000张做为训练集，81张作为验证集。 官方提供了训练集1081对，测试集A、B各200张。包含以下几个特征： 1.图像分辨率普遍较大 2.手写字包含红黑蓝多种颜色，印刷字基本为黑色 3.手写字除了正常文字外，还包含手画的线段、图案等内容 4.试卷上的污渍、脏点也属于需要去除的内容 5.手写字和印刷字存在重叠 mask：根据原始图片和标签图像的差值来生成mask数据 计算RGB通道的平均差值 平均差值在20以上的设为 1 平均差值在20以下的设为 差值/20 训练数据： 增强仅使用横向翻转和小角度旋转，保留文字的先验 随机crop成512x512的patch进行训练 训练分为两阶段： 第一阶段损失函数为dice_loss + l1 loss 第二阶段损失函数只保留l1 loss 测试细节 测试trick： 分块测试，把图像切分为512x512的小块进行预测，保持和训练一致 交错分块测试，测试图像增加镜像padding，且分块时边缘包含重复部分，每次预测仅保留每块预测结果的中心部分，这么做的原因是图像边缘信息较
opencv实现电子试卷图片中对号、错误的检测
Together_CZ的博客
04-10 3270
OpenCV是一款非常强大的图像处理工具，对于从事图像处理领域相关工作的人来说这个可以说是必不可少的一项工具，用起来也很方面，下吗是一段简单的介绍： OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++...
OpenCV学习Day08---边缘提取、直线检测
weixin_44823151的博客
08-16 1826
边缘提取代码： #边缘提取算法 ''' Canny算法的介绍--五步 1、高斯模糊----GausslianBlur 2、灰度转换---cvtColor 3、计算梯度--Sobel/Scharr 4、非最大信号抑制 5、高低阈值输出二值图形 T1、T2为阈值，凡是高于T2的都保留，凡是地域T1的都丢弃，从高于T2的像素出发，凡是大于T1而且相...
【机器学习入门】使用YOLO模型进行物体检测
m0_53294028的博客
04-05 1346
在此之前，我们都是用模型解决简单的二分类、多分类问题或者是回归问题。这一篇开始解决稍微复杂的问题：物体检测。不同于图片分类时的输入图片仅包含一个物体，并且位于图片中央，占据图片的大部分未知；物体检测的任务恰与之相反，任务目标主要是识别图像中的物体位置，用矩形框标注出物体的位置，同时给出物体类别。物体检测技术,已经广泛应用于人脸检测 \行人检测系统 \辅助驾驶 车辆检测等等中.首先，定义模型类TinyYolo-Network, 在构造函数中定义先验物体框 物体类别数量和网络的各层单元模块.
Python实现交通标志牌（GTSRB数据集）解析处理
Together_CZ的博客
08-14 7908
今天需要用到一个交通标志牌（GTSRB数据集），但是数据都是ppm格式的，虽说用PIL模块也是可以直接打开的，但是不利于直接查看很不方便，所以这里打算做一个转化处理。 首先是从网上下载到所需的数据集，下载地址在这里。截图如下所示： 这里想要先去吐槽一下，找了好几遍才找到了数据集的下载链接，这也太不起眼了吧，我红框标出来了。 点击跳转到了下载页面后就可以进行下载了，下面是需要下载的数据集： 当然了，如果不在乎的话也是可以直接全部下...
YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程
Together_CZ的博客
08-04 5197
到底使用哪个完全看自己的选择和需求。我这里选择的是tag里面的稳定版本。前段时间感觉也是应接不暇了，先是美团技术团队提出来了yolov6，也就间隔一周的时间吧，yolov7就出来的，当然了，两者的优化思路是不一样的，可以根据自身的实际业务场景需求来进行选择即可，也未必说越新的模型就会越好。到这里，基于YOLOv7来基于自己的数据集构建训练模型、调用离线权重文件来进行图像测试识别的完整流程就全部结束了，写了好长的时间，准备了大量的截图素材，希望是一份清晰明了的YOLOv7实战教程，有问题欢迎留言咨询。....
轻量级模型YOLOv5-Lite基于自己的数据集【焊接质量检测】从零构建模型超详细教程
Together_CZ的博客
08-12 4703
YOLO系列是目标检测任务中非常非常出色的模型，在v3-v5的演变过程中，不断地吸收集成融合各种好的tricks，模型的性能也得到了很大的提升。在YOLOv5时期一度达到了鼎盛的阶段，v5本身也有：n、s、m、l和x这么多的分支，在不同的业务场景里面需要选择对应的模型，v5模型性能本身已经是非常出色的了，但是在一些边缘端算力较弱的设备上面还是难以满足实时计算的需求的。............
yolov4-tiny目标检测模型实战——学生姿势行为检测
Together_CZ的博客
04-01 4062
本文是继上文《轻量级目标检测模型实战——杂草检测》后的第二篇轻量级目标检测系列博文，本文选用的模型是YOLOv4-tiny模型，相比于上文的YOLOv3-tiny有更好的效果，先看效果图： 在前面我写过一篇目标检测自己做实验的记录性也是入门的一篇文章，如下： Yolov3目标检测实战【实现图像中随机出现手写数字的检测】 感兴趣的话可以去看看。 当时主要是基于YOLOv3进行...
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别
Together_CZ的博客
12-25 3696
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Together_CZ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值