文献类型：期刊文章

作　　者：郭俊奇[1,2] 吕嘉昊[1] 王汝涵[1] 熊青云[1] 张世峰[3] 胡康颖[3]

GUO Junqi;Lü Jiahao;WANG Ruhan;XIONG Qingyun;ZHANG Shifeng;HU Kangying(School of Artificial Intelligence,Beijing Normal University,100875,Beijing,China;Engineering Research Center of Intelligent Technology and Educational Application,Ministry of Education,100875,Beijing,China;Hangzhou Hikvision Digital Technology Co.,Ltd.,China,310052,Hangzhou,Zhejiang,China)

机构地区：[1]北京师范大学人工智能学院,北京100875 [2]教育部智能技术与教育应用工程研究中心,北京100875 [3]杭州海康威视数字技术股份有限公司,浙江杭州310052

出　　处：《北京师范大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61977006)。

年　　份：2021

卷　　号：57

期　　号：6

起止页码：905-912

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、MR、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

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.

关 键 词：深度学习  行为识别  智慧课堂 计算机视觉

分 类 号：TP181]