-
题名基于深度学习的学生课堂行为识别
被引量：37
- 1
-
-
作者
魏艳涛
秦道影
胡佳敏
姚璜
师亚飞
-
机构
华中师范大学教育信息技术学院
-
出处
《现代教育技术》
CSSCI
北大核心
2019年第7期87-91,共5页
-
基金
国家自然科学基金项目“基于记忆的不变图像特征学习方法研究”(项目编号:61502195)
湖北省自然科学基金项目“基于I理论的深度学习方法研究”(项目编号:2018CFB691)
中央高校基本科研业务费项目“基于深度学习的学生课堂行为识别研究”(项目编号:CCNU19QN023)的阶段性研究成果
-
文摘
随着教育步入智能时代,智能化的学生课堂行为识别变得越来越重要。但由于学生的课堂行为复杂多变,使得智能化的学生课堂行为识别存在困难。为了提高智能化学生行为识别的精度,文章首先采集了300名学生的7种典型课堂行为图像,并进行了数据预处理。随后,文章将已在ImageNet数据集上训练好的经典深度网络模型——VGG16网络模型迁移到学生课堂行为识别任务中。最后,通过与其它深度学习模型进行实验对比,文章验证了VGG16网络模型对学生课堂行为具有较高的识别精度。上述研究表明,基于深度学习的学生课堂行为识别能及时、精准地反馈学生的课堂学习情况,有利于教师改进教学方法、优化课堂教学与管理,从而提高教与学的效率,助力教学改革。
-
关键词
学生课堂行为
行为识别
深度学习
vgg16网络模型
-
Keywords
students’ classroom behavior
action recognition
deep learning
vgg16 network model
-
分类号
G40-057
[文化科学—教育学原理]
-
-
题名铁路异物入侵深度识别网络快速训练算法
被引量：1
- 2
-
-
作者
沈悦
-
机构
北京交通大学机械与电子控制工程学院
载运工具先进制造与测控技术教育部重点实验室(北京交通大学)
-
出处
《电子设计工程》
2019年第22期48-54,共7页
-
基金
国家重点研发计划(基于空天车地信息协同的轨道交通运营与安全综合保障技术)(2016YFB1200100)
-
文摘
异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的,针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题,本文提供了一种快速训练算法,采用网络迁移压缩同时进行的方式,提出基于特征图L1或L2范数的递归式裁剪准则剔除冗余卷积核以压缩网络。对于单个相机新场景的目标分类任务,只需使用在混合场景数据上得到的最优分类网络模型通过压缩和微调训练便可以实现不同场景铁路异物分类的快速训练。实验表明,在基于铁路场景数据库的测试中,该算法可以将原始VGG16模型的参数消耗内存压缩1020倍,在不同的单个相机场景测试样本库上压缩后网络的分类误差最低为0.34%。
-
关键词
铁路异物分类
卷积神经网络
vgg16深度网络模型
迁移压缩
-
Keywords
railway obstacle classification
convolution neural network(CNN)
vgg16 deep network model
transfer compression
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
U215.8
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于优化的VGG-16网络模型的煤矸识别研究
- 3
-
-
作者
黄可
樊玉萍
董宪姝
马晓敏
-
机构
太原理工大学矿业工程学院
矿物加工科学与技术国家重点实验室
-
出处
《矿业研究与开发》
CAS
北大核心
2024年第9期219-226,共8页
-
基金
国家自然科学基金国际(地区)合作与交流项目(51820105006)
山西省重点研发计划项目(202202090301009)。
-
文摘
针对复杂工况下煤矸识别效率低、分选难度大的问题,采用VGG-16网络搭建煤矸识别模型,对煤矸识别模型的识别准确率和识别环境影响因素进行了研究,并对VGG-16煤矸识别模型进行了优化。结果表明:(1)优化后的VGG-16网络模型准确率为97.00%,单张煤矸图像识别时间为0.0697s,单张煤矸图像识别所用时间缩短了0.85%;(2)在不同水分、灰分和粉尘等环境因素下,煤矸识别模型的准确率均达到95%以上,其中水分对模型的识别准确率影响最大,表面浸润30 s比干燥的识别准确率低2.01个百分点;(3)鉴于煤与矸石的共伴生特性,对煤表面夹矸、矸表面带煤两种复杂情况进行了煤矸有效识别。研究表明:优化后的VGG-16网络模型具有一定的抗干扰能力,可以实现复杂情况下煤矸的高效精准识别,可为后续煤矸石智能化分选提供理论基础和技术支撑。
-
关键词
煤矸识别
vgg-16网络模型
识别准确率
环境因素
-
Keywords
Coal gangue identification
vgg-16 network model
Identification accuracy
Environmental factor
-
分类号
TD94
[矿业工程—选矿]
TD391.41
-
-
题名利用改进型VGG标签学习的表情识别方法
被引量：4
- 4
-
-
作者
程学军
邢萧飞
-
机构
河南工业大学漯河工学院信息工程学院
广州大学计算机科学与网络工程学院
-
出处
《计算机工程与设计》
北大核心
2022年第4期1134-1144,共11页
-
基金
河南省科技攻关计划基金项目(222102110011)
国家自然科学基金河南省联合基金项目(U1604149)
河南省教育厅自然科学基金项目(19A520006)。
-
文摘
针对图像表情判别精度低下的问题,提出一种基于改进型VGG-16网络的人脸表情识别方法。为解决传统方法存在像素特征分布不均的问题,采用基于改进的高斯混合模型进行图像特征数据的有效提取;基于改进的VGG-16深度神经网络,增强人脸表情识别的训练样本,实现对采集的图像数据多表情多场景精准区分。基于通用数据集及自采集数据集进行仿真实验,验证所提方法在表情识别的准确度和速度方面都展现出一定优势,尤其在黑暗条件下识别准确率可达90%左右。
-
关键词
表情识别
vgg-16网络模型
高斯混合模型
相关情绪标签分布学习
正则化学习
红外图像
-
Keywords
expression recognition
vgg-16 network model
Gaussian mixture model
correlation emotion label distribution learning
regularization learning
infrared image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
