一种基于深度学习的课堂学生学习状态研究

为了对学生课堂学习情况及教师授课情况进行客观评价,需要掌握学生在课堂上的学习状态,随着计算机视觉技术的发展,对学生课堂学生状态的分析成为可能。本文采用深度学习网络yolov3与dropblock结合对教室监控视频进行分析,检测学生在老师上课时的听课状态,实现对学生在课堂上是否专心听讲的学习状态检测。实验结果表明,通过建议方法得到的学生学习状态与实际人工观察具有很好的吻合度。

基于轻量化网络的课堂学生学习状态判别

课堂学习状态判别是了解学生课堂学习情况及教师授课情况的关键步骤,轻量化网络能够提高学习状态的判别精度,轻量化网络是在神经网络算法的基础上进行优化的网络,在本文中,我们采用改进的轻量化网络Mobilnetv2对教室课堂学生学习状态进行判别,实验结果表明,通过提出的方法得到的课堂学生学习状态判别最高达到了99.00%的精度。

水语元音声学特性分析及识别

文章对水语的七个单元音进行声学特性研究。首先利用线性预测编码LPC模型提取七个单元音的共振峰频率值,然后绘制声学元音图并进行分析,最后利用隐马尔可夫模型HMM对水语的七个单元进行识别,识别率为83.75%。实验结果表明:水语七个单元音的共振峰频率分布之间存在相关性,验证了水语七个单元音共振峰频率分布的正确性,为水语研究提供了有力依据。

一种实时的道路空车位检测算法

道路空车位实时检测是解决城市停车难的一个关键环节,本文提出了一种改进的faster RCNN深度学习道路空车位检测方法。首先,利用K-means聚类算法对标注框进行聚类,以获得适合的空车位形状特征;然后,调整区域建议框网络(Regional proposals network)框架,以便网络提取更多的数据特征;最后,利用soft NMS算法提取可能包含目标的框。实验结果表明,建议的方法对道路空车位的检测结果较好,在采集的道路空车位检测数据集准确率达到95.3%,比只用faster RCNN方法提高了2个百分点。