深度学习模型驱动的师生课堂行为识别

• 作者: 郭俊奇 吕嘉昊 王汝涵 熊青云 张世峰 胡康颖
• 来源期刊: 北京师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 行为识别 智慧课堂 计算机视觉
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 专题人工智能关键技术与应用
• 页码范围: 905-912
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.12202/j.0476-0301.2021207

摘要

根据课堂教学场景设计了三维卷积神经网络(3D-convolutional neural network,3D-CNN),以动态性为主要特征,对教师进行课堂行为识别;提出了经过改进损失函数的YOLO-v5(you only look once version 5th)模型,并以多目标为主要特征,对学生进行课堂行为识别.2种模型均取得了较好的识别结果.为验证所选用模型的有效性,在所标注课堂行为数据集上进行了模型性能对比试验.试验结果表明:所选用模型在教育场景下课堂行为识别工作中展现了较好的性能;课堂行为的精准识别能够帮助教师和学生了解课堂学情,有助于推动智慧课堂的发展.