基于CNN人脸识别模型的大学生课堂行为分析研究

• 作者: 吴小平 左国才 王海东 苏秀芝
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 卷积神经网络 人脸识别模型 课堂行为分析
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 107-110
• 页数: 4页
• 分类号: TP311.52
• 字数: 2586字
• 语种: 中文

摘要

本文提出一种基于卷积神经网络CNN人脸识别模型,并将该模型应用于高职院校学生课堂行为分析.实验证明,使用卷积神经网络深度学习框架提取人脸深度特征,构建深度学习人脸识别模型,完成人脸识别,相比传统的人工设计的人脸特征提取,大大提高人脸识别的准确率.学生课堂行为识别算法可以正确判断学生的课堂行为,为课堂教学评价提供依据,实现更有效地教学,切实提高教学质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海东		64	726	16.0	25.0
2	左国才		39	86	6.0	7.0
3	苏秀芝		24	26	2.0	4.0
4	吴小平		9	2	1.0	1.0