基于改进 U-Net 架构从矩阵模板识别学号
计算机视觉与模式识别
2023-07-13 v1
摘要
本文提出了一种在考试与知识测验中识别学生身份的创新方法，克服了传统个人信息录入方式的局限性。所提方法在试卷指定区域使用矩阵模板，其中含数字的方格被选择性涂黑。该方法涉及开发一个专门设计用于识别学生个人身份号码的神经网络。该神经网络采用特别适配的 U-Net 架构，并在包含涂黑表格图像的大规模数据集上训练。该网络能够熟练识别涂黑方格的模式与排列，准确解读其中所记录的信息。此外，该模型在正确识别所输入的学生个人号码以及有效检测表格内错误输入方面表现出高准确率。该方法具有多重优势。首先，它通过从涂黑表格中自动提取身份信息，消除了手动录入的需要并最大限度减少出错可能，从而显著加快阅卷过程。其次，该方法使识别过程自动化，从而减少行政工作量并加快数据处理。这一创新识别系统的引入代表了考试与知识测验领域的显著进步，以精简、高效且准确的识别流程取代了传统的个人数据手动录入。
引用
@article{arxiv.2307.06120,
title = {Recognizing student identification numbers from the matrix templates using a modified U-net architecture},
author = {Filip Pavičić},
journal= {arXiv preprint arXiv:2307.06120},
year = {2023}
}