考试作文

摘要： 选拔性考试作文的"着力点"集中在"审题"和"表达"两大方面."表达"是在审题炼意、确定写作目标之后,将思维的结果用语言文字呈现出来的系列过程.让片段先出"亮点"——"神采"飞扬,让"亮点"串联成片——光芒四射,让全篇灵动"会飞"——"三趣"齐发,是一种循序渐进的写作提升训练法,也可以让不同层次的学生都能获得作文训练的成就感.

摘要： 作文应该是学生语文学科核心素养的最高体现.可当下不少的学生作文立意雷同,结构单一,内容重复.考试作文命题的缺陷使得对学生语文核心素养水平的考查功能弱化.考试作文命题应力避材料选择不当、设题主观随意、情境脱离生活等突出问题,注重理论联系实际,加强应用能力考查,更趋科学合理,使考查更加准确公平.

摘要： “打架啦!打架啦!小磊和小宇打架啦!”班长婷婷大叫着冲到教师办公室。我急忙跑进教室,只见这两个家伙正抱在一起,你拉着我的头发,我扯着你的衣领,脸上手臂上露出一道道伤痕。我赶紧大吼一声,让他们停下来。我把他们带到办公室,两个人争着向我告状。看他们急于表白的样子,我不禁陷入了深思:小磊是出了名的捣蛋鬼,除了理科成绩好点外,文科一塌糊涂,尤其是语文,考试作文从来不写,我和语文老师找他谈了无数次话,都没用。

摘要： 湖南省长沙市湘郡未来实验学校2020年小升初语文考试作文真题:岁月流逝往事会淡忘,是它定格了我们的幸福,帮助我们存封了记忆——照片。哪张照片让你久久难忘呢?请以“照片”为题写一篇文章,题目自拟,内容具体。

摘要： 面对作文无话可写,怎么办?语句积累不足、句子表达不顺畅,怎么办?大型考试作文拿不到高分,又怎么办?当然有办法!燃爆暑期的《丰子恺给孩子的阅读写作课》,来了!《丰子恺给孩子的阅读写作课》这套丛书精选了丰子恺先生的六十三篇文章和近三百幅漫画作品。在内容上,依据中高考要求的作文分类方法,选编了写人状物、写景、游记、记事和生活启示5大类文章。

摘要： 作文应该是学生语文学科核心素养的最高体现。可当下不少的学生作文立意雷同,结构单一,内容重复。考试作文命题的缺陷使得对学生语文核心素养水平的考查功能弱化。考试作文命题应力避材料选择不当、设题主观随意、情境脱离生活等突出问题,注重理论联系实际,加强应用能力考查,更趋科学合理,使考查更加准确公平。

摘要： 选拔性考试作文的“着力点”集中在“审题”和“表达”两大方面。“表达”是在审题炼意、确定写作目标之后,将思维的结果用语言文字呈现出来的系列过程。让片段先出“亮点”——“神采”飞扬,让“亮点”串联成片——光芒四射,让全篇灵动“会飞”——“三趣”齐发,是一种循序渐进的写作提升训练法,也可以让不同层次的学生都能获得作文训练的成就感。

摘要： 考试作文先"写对",再谈"写好"。毫不夸张地说,写对了,又有一个比较清晰的结构,书写还不错,就已经拿到了80%的分数,上90%(一类文)把握也很大。各地的中考阅卷标准,大家去看,摆第一位的是什么?内容切题,中心突出。可以说,切不切题直接关系到文章被打入哪一类。考前讲作文,一定要突出审题立意,可审题立意又是"常讲常出错"的老大难。离考试的日子越来越近,我们还能不能做一些补救呢?能。

摘要： 本发明公开了一种基于姿态的考试作弊检测方法，包括如下步骤：图像预处理：统一图像尺寸，对图像进行光照补偿，增加图像的对比度；考场视频中人的姿态特征提取：通过深度神经网络获得图像中人的关键点的坐标并完成人体姿态的拼接；考生姿态序列生成：采用基于投票的方法确定考生的位置，然后以图像中检测到的考生的质心与考生位置的欧式距离为判定准则，生成考生在时间上的姿态序列；考生可疑行为识别；作弊考生确定以及作弊片段截取。该基于姿态的考试作弊检测方法可以准确快速的筛选出海量考试监控视频中存在作弊嫌疑的片段，达到节省人力开支、提高工作效率、降低视频回放成本的目的。

摘要： 本发明涉及图像处理、计算机视觉及机器学习领域，尤其涉及一种基于Kinect彩色及深度信息在线考试作弊判断方法，包括包括面容和躯干动作数据采集、面容和躯干动作数据预处理、面容和躯干动作数据的输入、构建面容训练网络、构建躯干动作训练网络、构建汇总训练网络、训练网络优化网络的性能以及测试网络验证网络的性能八大步骤；该方法充分利用了Kinect对人脸和躯干关节返回特征数据丰富实用且真实可靠的优势，结合深度学习，既能充分发挥大规模开放在线课程的便利性，又能对在线测评进行有质量的监督，主要解决的问题是学习者在自己计算机前目前常见的无人监督或仅有限监督的测试环境使得在线教育的成绩评价和证书认证在社会上普遍缺少公信力。

摘要： 本发明公开了一种标准考场环境下的考试作弊行为检测方法及系统，方法包括以下步骤：获取标准考场的考场背景图像，并对标准考场中考生进行实时监控；将实时监控的每一帧图像与考场背景图像进行背景差分处理获得掩模图像，并在掩模图像中确定考生所在的候选区域；在考试开始之前获取考生正坐面签图像，利用预训练的卷积神经网络对考生所在的候选区域进行人脸检测和识别，确认每个考生身份；定位每个考生的人体关键部位，得到考生的肢体常规活动范围；根据考试过程中考生头部和手部的运动状态进行判定其是否存在作弊行为。本发明提高了监控系统的利用效率，能够有效减少考试作弊行为，大幅减轻人工监考负担。

摘要： 本发明提出一种考试作弊检测方法和装置，该考试作弊检测方法包括：获取考场的监控图像；在所述监控图像中检测出考生的局部动作；根据所述局部动作判断所述考生是否作弊，并在判断出所述考生作弊时，发出警报。该方法能够提高作弊检测效果。

摘要： 本申请涉及一种在线考试作弊识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别考生的面部视频，按照预设的抽样周期对所述面部视频进行抽样处理，获取不少于一张单帧图像；对所述单帧图像按照时间序列分别进行单帧人脸检测处理，获取各单帧图像对应的单帧人脸坐标；基于各单帧图像和各单帧图像对应的单帧人脸坐标，对各单帧图像中的待识别考生进行作弊判定，生成各单帧图像对应的作弊判定结果；基于各单帧图像对应的作弊判定结果，判定所述待识别考生是否在作弊。采用本方法能够提高对在线考生作弊的识别效率。

摘要： 本发明涉及人工智能技术领域，揭示了一种考试作弊行为预测方法、装置、设备及存储介质，其中方法包括：获取目标考生的正面监控视频；对所述正面监控视频进行每帧图像的人数判断，得到单帧人数序列；对所述正面监控视频进行每帧图像的人体姿态分析，得到单帧人体姿态序列；对所述正面监控视频中的音频分别进行文本转换及考试关键词提取，得到音频考试关键词集；获取所述正面监控视频对应的答题行为序列；根据所述单帧人数序列、所述单帧人体姿态序列、所述音频考试关键词集和所述答题行为序列进行作弊行为预测，得到作弊行为预测结果。实现基于多种信息进行作弊行为预测，增加了用于作弊行为预测的信息的全面性，提高了考试作弊行为预测的准确性。

摘要： 本发明公开了一种基于多实例学习的在线考试作弊识别方法，涉及考试作弊识别技术领域，本发明包括如下步骤：获取视频信息，并提取视频特征；对提取的所述视频特征进行连续采样，确定视频特征中的异常视频；对所述异常视频利用多实例生成器为每个异常视频生成片段标签；本发明通过作弊识别方法的实施，能够准确容易发现作弊行为，并且检测效率较高，存在具体的判断标准，准确性较高，并且能够对很少作弊检测的数据进行准确定位，解决了难以收集的问题，能够快速找出空间中的可疑位置，还能够解决弱监督方式下存在的检测问题，减轻了人员的负担，提高了作弊检测识别的效率和精准度，方便人员使用。

摘要： 本发明公开了一种基于空间划分的考试作弊检测方法，包括如下步骤：图像预处理：统一图像尺寸，对图像进行光照补偿，增加图像的对比度；监考视频中考生的部位识别：通过深度神经网络获得图像中考生的头部图像集和手掌图像集；考生头部识别模板生成与头部检测范围确定：由头部图像集训练得到头部识别模板，由头部图像集的质心坐标计算得到头部检测范围；考生手掌合理运动范围确定：据课桌质心坐标将整个视频图像划分为对应的课桌范围，由考生的手掌图像集的质心坐标确定手掌合理运动范围；考生可疑行为识别：作弊考生确定以及作弊片段截取。该基于姿态的考试作弊检测方法可以准确快速的筛选出海量考试监控视频中存在作弊嫌疑的片段，达到节省人力开支、提高工作效率、降低视频回放成本的目的。

摘要： 本发明公开了一种考试作弊识别检测方法、系统及电子设备，通过根据正样本和负样本，对YOLOV4模型进行模型训练和模型改进，得到目标模型；通过在考场内固定的摄像头，获取考场的视频录像；使用所述目标模型对待识别的视频录像进行处理；其中，所述待识别的视频录像包括所述考场的视频录像、本地存储的视频录像；将所述对待识别的视频录像进行处理的结果在所述待识别的视频录像中进行标注，并实时显示被标注后的所述考场的视频录像的画面。本发明实施例作为线下考试的监考方法，有利于减轻监考人员的压力，更有利于提高监考过程中发现作弊行为的及时性和准确性，可广泛应用于计算机技术领域。

摘要： 本公开涉及一种电子化美术考试作品的校正方法、装置、电子设备及介质，方法包括：获取用户对纸质美术考试作品进行拍摄获得的美术考试图像；判断美术考试图像是否满足预设的校正条件；响应于美术考试图像满足校正条件，从美术考试图像中确定出画纸区域及画纸区域对应的每个角点的坐标；在角点个数为四个时，根据四个角点的坐标，确定画纸区域的畸变值；在畸变值小于预设值时，采用预设的畸变校正算法对美术考试图像进行畸变校正，得到畸变校正图像；对畸变校正图像进行超分辨率校正处理，得到分辨率校正后的目标图像；将目标图像确定为用户的考试作品进行上传。本方案能够获得畸变校正后的清晰图像，有利于提高电子美术作品评价的准确性。