基于AMFF网络的课堂专注度评估方法

doi:10.13873/J.1000-9787(2025)09-0076-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于AMFF网络的课堂专注度评估方法

更新时间：2025-09-11

- 基于AMFF网络的课堂专注度评估方法
- Issue 9, Pages: 76-79+83(2025)
- 作者机构：
  
  1. 北京联合大学北京市信息服务工程重点实验室
  2. 山东财经大学计算机科学与技术学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2025)09-0076-04
  CLC： G434;TP18
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (9): 76-79+83.
DOI：

[J]. 2025, (9): 76-79+83. DOI： 10.13873/J.1000-9787(2025)09-0076-04.

摘要

人工智能(AI)的发展促进了AI技术在课堂场景的应用。利用深度学习对课堂专注度进行评估对于教学发展有重要意义。现有的专注度评估方法大多基于关键点检测，仅考虑学生身体姿态特征，没有充分利用表情特征。针对这个问题，提出一种基于自适应多特征融合(AMFF)网络的课堂专注度评估方法。AMFF模块可以实现头部姿态特征和面部表情特征的自适应融合；同时提出损失联合优化策略进一步提升网络收敛精度。在EngageWild数据集上实验，均方误差(MSE)损失为0.041

优于目前最先进(SOTA)方案0.17。同时，所提方法在智慧课堂场景下进行了测试和部署应用，具有良好的可行性和泛化性。

Abstract

关键词

Keywords

references

薛建明,刘宏哲,袁家政,王雪峤,李青,杨少鹏.基于CNN与关键区域特征的人脸表情识别算法[J].传感器与微系统,2019(10).

高静文,蔡永香,何宗宜.TP-FER:基于优化卷积神经网络的三通道人脸表情识别方法[J].计算机应用研究,2021(07).

王泽杰,沈超敏,赵春,刘新妹,陈杰.融合人体姿态估计和目标检测的学生课堂行为识别[J].华东师范大学学报(自然科学版),2022(02).

谭暑秋,汤国放,涂媛雅,张建勋,葛盼杰.教室监控下学生异常行为检测系统[J].计算机工程与应用,2022(07).

王从澳,黄润才,孙延标,杨彬,孙刘成.基于特征融合与选择的小样本表情识别[J].传感器与微系统,2022(10).

陈藩,施一萍,胡佳玲,谢思雅,刘瑾.基于卷积神经网络的学生课堂疲劳检测算法[J].传感器与微系统,2022(06).

Bingpeng Ma,Xiujuan Chai,Tianjiang Wang.A novel feature descriptor based on biologically inspired feature for head pose estimation[J].Neurocomputing,2013.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

融合Transformer的改进遮挡人脸识别算法

基于注意力机制的特征融合孪生网络目标跟踪算法

基于GA-BP的表面肌电信号下肢动作模式识别研究

基于图像融合与深度学习的人脸表情识别

低分辨率唇纹识别算法的性能评估

Related Author

王艳媛

茅正冲

杨雨涵

孙梅

肖洪兵

毕玉

王瑜

石健彤

Related Institution

江南大学物联网工程学院

北京工商大学人工智能学院

华北理工大学机械工程学院

上海工程技术大学电子电气工程学院

金陵科技学院电子信息工程学院

⁰