摘要
本发明涉及一种基于局部检测特征与全局语义特征融合的考试作弊检测方法和系统,属于检测作弊技术领域。本发明采用训练好的、对传统yolo‑world进行改进得到的违规品检测模型,以检测考试区域图像中有无违规品。违规品检测模型的改进具体将从考试区域图像中提取到的三个不同尺度的全局语义特征的空间、通道分别与从同一考试区域图像中提取到的三个不同尺度的局部检测特征进行空间、通道上的双重对齐,并将双重对齐后的局部检测特征与全局语义特征进行特征融合后输入至传统yolo‑world中的视觉语言路径聚合网络,使得目标的识别不再局限于局部检测特征,而是结合全局语义特征进行目标的识别,使得检测出的特征能够将周围环境考虑在内,有效提高违规品的检测精度。
技术关键词
考试作弊检测方法
语义特征
作弊检测系统
卷积特征
编码器模块
图像
编码模块
检测作弊
通道
分块
空间结构
双线性
上采样
尺寸
网络
视觉
处理器
终端
舱体
系统为您推荐了相关专利信息
热点
预训练语言模型
正交变换
关键词特征
动态更新
自动泊车方法
特征点云
语义地图
自动泊车设备
自动泊车装置
AI助手
Kruskal算法
依赖图模型
意图识别
多层次特征提取
智能信息处理终端
文本匹配方法
语义特征提取
指令
智能交互模块