标签：sed writer The 方案 大数据技术 文件 大数 分析 ppa
https://mp.weixin.qq.com/s/nR8TeluLHlea8MGa6qBljgBy 超神经
场景描述：从古至今，有考试的地方就有作弊，作弊方法可谓是五花八门，妖魔鬼怪各显神通。尽管有法律约束与层层安检搜查把关，却依然难防漏网之鱼。近年来，利用计算机视觉、神经网络等技术，可以更加精准地抓取作弊行为，让考场更加公平。
关键词：计算机视觉 人工智能监考 反作弊 不知不觉，又到了一年的高考季。明天全国高考就将拉开大幕，千万名考生将迎来一次大的考验。
尽管高考总是存在槽点，但对大多数人来说，它还是一场相对公平的比赛。不过想要维护考试的完全公平，并不是那么容易。
今年又是高考的大年 ，报名人数在 2009 年之后，首次超过 1000 万。面对巨大的考生群体，各个环节的合理部署至关重要，而这其中，做好防作弊工作将是重要的一环。
因为选拔考试的重要性，总有一些人不惜冒着犯法的风险，动出歪念头来。因此，作弊这个顽疾，自古至今都让考官操碎了心，却依然难以根除。
自从隋朝有了科举，作弊现象很快就出现了，五花八门的作弊手段也纷纷亮相。到了明清时期，作弊方法更是数目繁多，达到了顶峰。
纵览科举中的作弊手段，大体上可归为三大类：夹带、请托和替考。
博物馆中展览的纸夹带和丝质夹带
夹带就是我们今天所说的打小抄；而请托和替考，则是贿赂考官泄露考题，在阅卷放水，或者花重金请枪手代考。
夹带是最常用的一种作弊方式。常见的手法除了衣物夹带，还有极其袖珍的小书。
古代科举考试中的小抄，文字大小接近米粒
乾隆年间，还诞生了一种更高明的手段——米雕：考生在米粒上雕刻文字带进考场。
为了打击作弊，古代朝廷也见招拆招，费尽了心思。
从唐代起就有了严格的科场纪律。比如糊名考试与誊录的制度，杜绝了请托关照。而据《金史》记载，为了防止夹带，会在考前对考生「解发袒衣，索及耳鼻」，仔细搜身一番。
清代科举考试用来作弊的夹带鞋
而乾隆帝为了严惩夹带之弊，曾下旨让步军统领，五城御史进行彻底搜查。但严整之后不久，又出了新的作弊之风。
长达 1300 年的科举制度，最终在 1905 年被废止，但是考场作弊行为却一直持续至今，手段也越来越「巧妙」。
2017 年上映的泰国电影《天才枪手》，里面就有谍战一般的大型作弊场面。它是根据 2014 年轰动一时的 SAT 亚洲考场作弊案改编，令人咋舌。
如今，高科技也被利用来作弊，比如隐蔽式耳机，带有微型摄像头的眼镜，利用无线通讯设备接收答案……
微型耳机，有的考生考试结束后不幸地取不出耳机
只好去医院就医
为了严防作弊，法律上也有了更加严格的管束，而且防作弊的举措也越来越多。尤其是近两年，人工智能技术也加入了防作弊阵营，开始在考场上「维护正义」。
以 DST （dynamic simulation technique）动态模拟技术起家的ATA（全美在线），利用人工智能和大数据技术，帮助维护考场的纪律。
他们通过历史上数以万计的考场视频，对考生的动作进行分析，从而检测出异常行为。
智能监考机器人对考场内人和物的识别与标注
另外，借助深度学习算法的计算机视觉感知技术，他们的方案，覆盖了考场视频监控的全感知前端、计算大脑、展示分析后端，建立起了智能考场的 AI 感知分析体系。
系统通过深度学习算法等技术，能实现实时跟踪，分析出考场异常行为。通过对考生动作的骨骼行为分析，对违纪行为进行提示和报警。
而一旦发现大动作、使用手机、离开座位等行为，系统就会发出警告。相应的视频也会被上传至云端，作为电子证据。
系统对动作异常的考生进行提示和警报（红框所示）
此外，ATA 还利用考场智能建模，场景语义识别技术，对考场座位进行语义分割，自动绘制考场二维平面图。
二维平面图与实际场景一一对应，实时显示考生入座、离座的情况，以及全考场行为热力图，方便老师掌握考场整体动态，监考不再有死角，减轻了监考老师的负担。
这套智能监考系统，已经被用于 2018 年的注册会计师考试中。
除了对作弊行为的监测和控制，还有一个方法是从答卷中检测抄袭。
丹麦哥本哈根大学的研究人员在进行一项此类研究，通过人工智能的书面分析来检测作业上的作弊行为，这个项目名为 Ghostwriter（枪手）。
他们通过对 10,000 名高中学生的 130,000 份丹麦语书面作业，进行文本分析，训练出了检测模型，能够以近 90％ 的准确率，判断出作业是本人书写还是抄袭得来的。
项目研究者 Stephan Lorenzen 博士说到，Ghostwriter 是围绕机器学习和神经网络构建的。它使用了「Siamese」神经网络，能够分析语法错误，句子长度及其结构，常用短语等模式。
团队使用不同的输入通道，考虑几种不同的体系结构
（例如，char，word，POS-tags）
最终确定了一种最佳的网络架构
团队对神经网络进行大量数据训练，主要从写作风格的表示中学习，进行判定比较。
当学生提交作业时，网络会将其与之前的作业进行比较。对比之后，会给出新作业与旧作业书写样式的相似性百分比。
给出的分数，通过加权平均，作为一项计算因素。此外还综合考虑如提交时间等因素，最终会给出一个得分，以百分比表示出风格的相似性，判断是否涉嫌作弊。
Ghostwriter 还可用于警察分析伪造文件、法医文件审查等其他工作中。
考试中的作弊行为令人不耻，但总有投机分子想要通过捷径得到利益。为了让考试更加的公平，通过 AI 防作弊工具的使用，能够减轻监考方面的人力成本，并有效检测出作弊行为。
当然，在防作弊的路上，也并不是为了炫技，借助技术防作弊更主要的目的，是希望从根本上杜绝作弊行为，让考生放弃作弊的念头。
如果把研究作弊手段的心思用在学习上，大概也就不需要作弊了吧。
祝愿每一位考生都有一个公平的考场环境，能够充分发挥出自己的水平，取得理想成绩。
超神经数据集
UMD Faces 面部数据集
UMD Faces 数据集是一个面部数据集，主要用于身份鉴定研究。
它有 8501 个主题的 367，920 个面孔，分为两部分：367,888 个静止图像和对 8,277 个主题视频的注释。视频帧来自 3100 个主题视频的超过 370 万个带注释的视频。
该数据集于 2016 年由发布，主要发布人为 Ankan Bansal，Anirudh Nanduri，Carlos D Castillo，Rajeev Ranjan 和 Rama Chellappa。
相关论文为 UMDFaces: An Annotated Face Dataset for Training Deep Networks；The Do’s and Don’ts for CNN-based Face Verification。
HyperAI 超神经搜集并整理全球数百个公开数据集，还提供国内镜像下载，对科研机构和开发者们提供免费服务。
更多有关影视图像识别的数据集，请访问 https://hyper.ai/datasets 或点击阅读原文获取。
标签：sed writer The 方案 大数据技术 文件 大数 分析 ppa
原文地址：https://blog.51cto.com/14929242/2535240
