基于深度注意力网络的课堂教学视频中学生表情识别与智能教学评估

来源 :计算机应用 | 被引量 : 0次 | 上传用户:peter_wan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了解决复杂课堂场景下学生表情识别的遮挡的问题,同时发挥深度学习在智能教学评估应用上的优势,提出了基于深度注意力网络的课堂教学视频中学生表情识别模型与智能教学评估算法。构建了课堂教学视频库、表情库和行为库,利用裁剪和遮挡策略生成多路人脸图像,在此基础上构建了多路深度注意力网络,并通过自注意力机制为多路网络分配不同权重。通过约束损失函数限制各路权重的分配,将人脸图像的全局特征表示为每个支路的特征乘上注意力权重的和除以所有支路的注意力权重之和,并基于学习到的人脸全局特征进行学生课堂表情分类,实现遮挡情况
其他文献
车辆重识别过程中,为了解决因车辆特征图分块时所导致的空间信息丢失问题,提出一种联合条纹特征之间关系的模块以弥补丢失的空间信息。首先,对于车辆特殊的物理结构,构建了一种双分支神经网络模型,对输出的特征图进行水平和垂直均等分割并在不同的神经网络分支上训练;然后,设计多激活值模块以减少噪声并丰富特征图信息;接着,使用三元组和交叉熵损失函数对不同的特征监督训练以约束类内距离并扩大类间距离;最后,设计批量归
期刊
地形是影响土壤侵蚀的重要因子,在侵蚀估算模型中常用坡度和坡长(LS)来衡量,在大区域上常基于数字高程模型(DEM)提取。SRTM作为大区域尺度上质量高、易获取的高程数据,在全球土壤侵蚀评价中得到广泛应用。但现有地形因子提取算法要求高程和栅格单元的单位(通常为米)一致,使得需对SRTM进行坐标变换才能使用。针对大区域上SRTM坐标转换时间开销大的问题,本文提出了一种直接基于SRTM提取地形因子的算法
期刊