翌学是一款AI教育产品，紧紧围绕“减负”“增效”核心，以“人工智能+大数据”技术实现“自动批阅”“精准施教”为主要功能出发点，实现小学教育的“教学相长”，翌学致力于成为老师、学生最好的教、学助手。

翌学运用了很对高新技术来实现自动批阅，比如大数据技术、图像识别技术、手写体识别技术、深度学习技术等

接下来为大家讲解一下这几个技术：
1、大数据技术
大数据(big data)，IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产

2、图像识别技术
图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂图片的内容。
图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。
图像识别技术就像人一样可以读懂图的内容，我们同过图像识别技术直接识别出试卷的内容，帮助老师完成自动批阅。

手写体识别技术
手写体识别由于数据采集方式不同可以划分为脱机手写体识别和联机手写体识别两大类。联机手写识别所处理的手写文字是书写者通过物理设备(如数字笔、数字手写板或者触摸屏) 在线书写获取的文字信号，书写的轨迹通过定时采样即时输入到计算机中。而脱机手写文字识别所处理的手写文字是通过扫描仪或摄像头等图像捕捉设备采集到的手写文字二维图片。
由于识别的对象不同，使得这两类手写识别技术所采用的方法和策略也不尽相同。
前者的识别对象是一系列的按时间先后排列的采样点信息，而后者则是丢失了书写笔顺信息的二维像素信息，由于没有笔顺信息，加之由于拍照扫描设备在不同光照、分辨率、书写纸张等条件下，数字化会带来一定的噪声干扰，一般来说，脱机手写文字识别比联机手写文字识别更加困难。
翌学所利用的就是脱机手写体识别技术，因为比联机手写体更加困难，我们在研发过程中克服了重重困难，最终实现了全新的自动批阅系统。

深度学习技术
第三拨人工智能热潮就是源于深度学习的复兴。深度学习最典型最广泛的应用就是图像识别。此外，深度学习还可以应用于语音、自然语言等领域。
深度学习相比其他机器学习技术，能够在机器视觉、语音识别、自然语言处理、机器翻译、数据挖掘、自动驾驶等方面取得好得多的效果。
深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。深度学习的概念由著名科学家Geoffrey Hinton等人在2006年和2007年在《Sciences》等上发表的文章被提出和兴起。
深度学习，目前被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。自2006年至今，学术界和工业界合作在深度学习方面的研究与应用在以上领域取得了突破性的进展。以ImageNet为数据库的经典图像中的物体识别竞赛为例，击败了所有传统算法，取得了前所未有的精确度。
大数据时代，结合深度学习的发展在未来对我们生活的影响无法估量。保守而言，很多目前人类从事的活动都将因为深度学习和相关技术的发展被机器取代，如自动汽车驾驶，无人飞机，以及更加智能的机器人等。深度学习的发展让我们第一次看到并接近人工智能的终极目标。
可想深度学习技术的前沿性是多么强大，翌学就是有了这么强大的技术做支撑才能为老师真正的减负、增效。助力教育的“教学相长”，全面提升教学效率。
正是因为有以上的这些高新技术的支撑，才有现在的翌学系统，通过以上技术我们现在实现很多功能，甚至有些是目前市场上还没有出现的功能。

接下来讲讲翌学的特色功能

题库卷库
系统库：海量题库，自动排重
校本库：每个学校私有
我的库：每个老师私有
平台组卷：多种模式选题组卷

翌学是做AI教育的，准确的说是做AI自动批阅系统的