图像完整性检测方法、装置、计算设备及存储介质与流程
本说明书涉及计算机,尤其涉及一种图像完整性检测方法、装置、计算设备及存储介质。
背景技术:
1、随着智慧教育与智能作业批改技术的普及,用户普遍通过移动终端对纸质作业进行拍摄采集,以实现自动识别、批改与学情分析。在实际使用场景中,由于拍摄角度偏移、取景范围不当、手持抖动或纸张摆放不对称等因素,采集得到的作业图像极易出现左侧 / 右侧内容被截断、上侧 / 下侧边缘被裁切、页面区域未完整入框等不完整问题。上述图像完整性缺失会直接导致题目文本、作答区域、插图与步骤信息丢失,使得后续 ocr 识别、关键区域检测、答案匹配与自动评分流程无法正常执行。
技术实现思路
1、为克服相关技术中存在的问题,本说明书提供了一种图像完整性检测方法、装置、计算设备及存储介质。
2、根据本说明书实施例的第一方面,提供一种图像完整性检测方法,所述方法包括:
3、将作业图像输入截断检测模型,得到包括所述作业图像各边缘截断概率的截断概率集合;
4、根据所述截断概率集合和图像截断判断规则确定所述作业图像的完整性检测结果;
5、其中,所述截断检测模型预测各边缘截断概率过程包括:
6、提取作业图像的基础特征得到候选特征图;
7、提取所述候选特征图的边缘分支特征,得到所述作业图像上、下、左和右四个边缘分别对应的边缘特征图;
8、根据各所述边缘特征图预测所述作业图像各边缘截断概率,得到截断概率集合。
9、根据本说明书实施例的第二方面,提供一种图像完整性检测装置,所述装置包括:
10、概率预测模块,用于将作业图像输入截断检测模型,得到包括所述作业图像各边缘截断概率的截断概率集合;
11、截断检测模块,用于根据所述截断概率集合和图像截断判断规则确定所述作业图像的完整性检测结果;
12、其中,所述截断检测模型预测各边缘截断概率过程包括:
13、提取作业图像的基础特征得到候选特征图;
14、提取所述候选特征图的边缘分支特征,得到所述作业图像上、下、左和右四个边缘分别对应的边缘特征图;
15、根据各所述边缘特征图预测所述作业图像各边缘截断概率,得到截断概率集合。
16、根据本说明书实施例的第三方面,提供一种计算设备,所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现上述第一方面所述的图像完整性检测方法所执行的操作。
17、根据本说明书实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有程序,所述程序被处理器执行上述第一方面所述的图像完整性检测方法所执行的操作。
18、根据本说明书实施例的第五方面,提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的图像完整性检测方法所执行的操作。
19、本说明书的实施例提供的技术方案可以包括以下有益效果:
20、针对性的分别提取作业图像各边缘的特征图,以通过预测各边缘被截断的概率准确的判断作业图像是否被截断,得到准确的完整性检测结果。
21、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
1.一种图像完整性检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述提取作业图像的基础特征得到候选特征图,包括:
3.根据权利要求1所述的方法,其特征在于,所述提取所述候选特征图的边缘分支特征,得到所述作业图像上、下、左和右四个边缘分别对应的边缘特征图,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据各所述边缘特征图预测所述作业图像各边缘截断概率,得到截断概率集合,包括:
5.根据权利要求1所述的方法,其特征在于,所述截断检测模型的训练过程包括:
6.根据权利要求5所述的方法,其特征在于,所述模型损失包括二分类交叉熵损失和边界对齐损失的加权和;
7.根据权利要求1所述的方法,其特征在于,所述根据所述截断概率集合和图像截断判断规则确定所述作业图像的完整性检测结果,包括:
8.一种图像完整性检测装置,其特征在于,所述装置包括:
9.一种计算设备,其特征在于,所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的图像完整性检测方法所执行的操作。
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上存储有程序,所述程序被处理器执行如权利要求1至7中任一项所述的图像完整性检测方法所执行的操作。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com