基于深度学习的学生课堂注意力评价
针对学生课堂行为状态识别准确率较低的问题,提出一种基于YOLOv4的改进模型.通过建立学生课堂行为状态数据集,调整YOLOv4算法训练模型的参数,修改卷积块激活函数为ELU函数以优化模型,同时提出将DIoU-Soft-NMS作为非极大值抑制机制,识别分析教室中学生课堂行为状态;根据各状态持续时长及状态变化频率计算学生听课有效时长,并参考山东高考赋分原则,建立学生课堂注意力量化评价准则,同时建立教师课堂授课效果量化评价标准.实验结果表明,以同一评价指标衡量模型,该模型在学生课堂行为检测速率不变的情况下,平均精度均值(mAP)达到98.8%,比原YOLOv4模型提升了3.53%,学生服课堂注意力量化评价准则,有较高的契合度.
课堂行为识别、YOLOv4、注意力评价、课堂教学效果评价、目标检测
31
TP391.41;G40-057;TP183
国家自然科学基金62003191
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
307-314