结合显著特征筛选和ViT的面部表情识别方法

真实的人机交互场景中,人的动态行为(转头、行走等)以及不稳定的光源,会导致面部细节特征无法有效提取,从而降低面部表情识别的准确率。针对该问题,提出了一种结合显著特征筛选和视觉转化器(ViT)的优化模型。采用加权求和光照归一化方法对原图进行亮度平衡,并利用卷积神经网络提取面部特征;使用显著特征筛选模块聚合面部局部-全局上下文信息;应用多层Transformer编码器来加强面部特征之间的关联性;最后采用Softmax函数对面部表情结果进行预测。实验结果表明,该网络模型在RAF-DB、FERPlus和AffectNet数据集上取得了良好的性能。

基于YOLO算法的学生课堂关注度分析系统

随着智慧校园建设工作的推进,如何合理地利用信息技术来提高课堂教学质量成为教育工作者们重点关注的问题.文章设计一种基于YOLO算法的学生课堂关注度分析系统,能够有效地检测图像及视频中学生的课堂行为,通过数据分析得出学生的课堂关注度,并以网页形式多维度展示.

基于随机森林的大学生学业发展预测

构建个性化人才培养方案过程,需要准确分析影响学生学业发展的重要因素.文章采用随机森林方法,分析生源数据和学生大一学习成绩数据,确定影响大学生学业发展的重要因素,构建研究生考试和优秀荣誉两个方面的学业发展预测模型.通过评估预测模型性能,表明利用随机森林方法预测学业成果具有可行性,对构建个性化人才培养方案具有参考作用.