期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多路特征融合的Faster R-CNN与迁移学习的学生课堂行为检测 被引量：5
1
作者 白捷 高海力 +3 位作者 王永众 杨来邦 项晓航 楼雄伟 《广西师范大学学报（自然科学版）》 CAS 北大核心 2020年第5期1-11,共11页
课程教学质量是衡量学校教学水平的一项核心内容,其教学效果可以从学生听课状态进行直观反映。为提升学生上课状态,督促课堂纪律,本文提出一种基于多路特征融合的Faster R-CNN与迁移学习的学生课堂行为检测的方法。首先,利用浙江农林大... 课程教学质量是衡量学校教学水平的一项核心内容,其教学效果可以从学生听课状态进行直观反映。为提升学生上课状态,督促课堂纪律,本文提出一种基于多路特征融合的Faster R-CNN与迁移学习的学生课堂行为检测的方法。首先,利用浙江农林大学监控视频进行手工标注图片,并利用数据增强方式增加图片规模,建立常见学生课堂行为数据集;然后,以预训练的Inception-ResNet-v2网络用于特征提取,目标检测框架选用Faster R-CNN,通过迁移学习方式实现对正常学习、睡觉、低头等课堂行为的检测;最后,通过多路特征融合方式,在拥有丰富语义信息的深层中融入更多细节信息的浅层特征,得到改进的学生课堂表现检测模型。实验结果显示:该模型的查准率均值可达76.32%,在原有算法基础上提升了12.22个百分点,取得较好的检测效果。该模型对学生课堂行为具有较高的查准率,表明多路特征融合的Faster R-CNN在学生课堂行为检测具有一定的应用前景,可为提高课堂教学质量提供新的参考。 展开更多
关键词 课堂行为检测 Faster R-CNN 特征融合 迁移学习
下载PDF
Yolo-v5改进模型的课堂行为实时检测方法 被引量：4
2
作者 叶黎伟 宋宗珀 《长江信息通信》 2021年第7期41-45,共5页
当前,学生的课堂学习动态的掌握,主要通过课堂观察和随机提问等人工监督方式来进行,此类方式存在课堂信息传递与反馈的滞后等问题。使用基于深度学习的无人监督式的课堂监控系统,可及时、有效地掌握课堂动态,监督学生学习情况。针对课... 当前,学生的课堂学习动态的掌握,主要通过课堂观察和随机提问等人工监督方式来进行,此类方式存在课堂信息传递与反馈的滞后等问题。使用基于深度学习的无人监督式的课堂监控系统,可及时、有效地掌握课堂动态,监督学生学习情况。针对课堂视频中存在的人数密集、小目标多、光照不均以及环境干扰复杂等情况,在Yolo(You Only Look Once)-v5模型基础上,结合GCT(Gated Channel Transformation)模式提出一种适用于课堂环境的Yolo-v5改进模型。此外,现有研究中适用于课堂行为检测研究的数据集较少,大多数研究存在实验数据不规范的问题。因此,提出了一种规范的课堂行为检测数据集,该数据集从真实课堂视频截取出有代表性的一千多张高清图片,涵盖十类行为,且目标类都有精确的位置标定。文章通过与Yolo-v3、Yolo-v4、Yolo-v5在该数据集上对比,结果表明,文章方法性能更好。 展开更多
关键词 Yolo-v5 课堂行为检测 深度学习 AI教育
下载PDF
基于PP-YOLOv2的高效课堂行为检测方法
3
作者 陈憶悯 李万益 +7 位作者 郑嘉颖 翁汉锐 钱焯贤 黄靖敏 伦家琪 陈强 张谦 邬依林 《现代计算机》 2023年第20期22-28,共7页
课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函... 课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函数,提升了模型的学习能力和行为检测的准确性。该研究对于实时监测和评估学生行为,改善教学效果并促进个性化学习具有重要意义。实验结果表明,该方法在课堂环境中展现出良好性能,为教育工作者提供了高效准确的课堂行为检测工具。进一步研究可以扩展应用范围,并优化算法以提高性能。 展开更多
关键词 课堂行为检测 深度学习 PP-YOLOv2
下载PDF
基于视觉注意力的学生课堂行为分析 被引量：4
4
作者 夏道勋 田星瑜 唐胜男 《贵州师范大学学报（自然科学版）》 CAS 2021年第4期83-89,120,共8页
学生课堂行为分析可实时反映出学生的课堂学习情况,为优化课堂教学策略和改进教学方法提供了重要依据,探索如何利用机器实时地检测与识别学生课堂行为是智慧教室的重要任务。以视觉显著性的视觉心理学动机为切入点,引入全局视觉显著性... 学生课堂行为分析可实时反映出学生的课堂学习情况,为优化课堂教学策略和改进教学方法提供了重要依据,探索如何利用机器实时地检测与识别学生课堂行为是智慧教室的重要任务。以视觉显著性的视觉心理学动机为切入点,引入全局视觉显著性机制和BING特征,快速估计课堂视频流中的Objectness学生对象,采用Faster-RCNN模型和时空网络算法对8种典型学生课堂行为进行检测和识别,最后进行全样本学生课堂行为分析。实验结果表明,视觉注意力机制BING特征的引入能大幅度提升算法的实时数据处理能力,计算效率提升近80倍,约为12.5f/s,算法并对8种典型学生课堂行为的检测和识别具有较高的识别精度,平均准确率为87.6%。 展开更多
关键词 视觉注意力 学生课堂行为检测 学生课堂行为识别 机器视觉 行为分析
下载PDF
基于YOLOv8算法的学生课堂行为检测模型构建与教学评价
5
作者 王璇 张桂杰 《电脑与电信》 2024年第8期26-32,共7页
提高教育质量是培养创新型人才的关键。而传统课堂中,教育者掌握学生行为要通过课堂观察和随机提问等人工的方式进行,此类方式存在课堂信息传递与反馈滞后等问题。为此,基于YOLOv8深度学习算法,构建了学生课堂行为检测模型。通过在真实... 提高教育质量是培养创新型人才的关键。而传统课堂中,教育者掌握学生行为要通过课堂观察和随机提问等人工的方式进行,此类方式存在课堂信息传递与反馈滞后等问题。为此,基于YOLOv8深度学习算法,构建了学生课堂行为检测模型。通过在真实课堂环境中采集数据,并对其进行标注、格式转换等处理,将处理好的数据用于训练以此构建检测模型。该模型对写字、端坐、玩手机、睡觉、站立、低头6种学生课堂行为进行识别。研究表明,检测结果精确度达到83.3%,验证了此模型的有效性,实现了对学生课堂行为自动化识别和分类,以此检测结果辅助教育者判断学生学习情况并做出教学决策。 展开更多
关键词 目标检测 YOLOv8 学生课堂行为检测 模型构建
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部