人脸表情识别技术在师范生教态训练中的应用研究

随着国家教育教学改革的不断深入以及信息技术的快速发展,人工智能与教育的融合已是大势所趋。本文以人脸表情识别技术在师范学生教态训练过程中的应用作为探究重点,分析人脸表情识别技术基础理念,探究人脸表情识别技术在师范学生教态训练中存在的实际问题和应用意义,并以实际情况为基础,尝试探究人工智能学习理论的应用可行性,以期提高教育教学质量。

基于智能服务机器人表情识别技术研究

本文将主要围绕面部表情识别探究现状展开分析,并提供智能机器人表情识别技术以供参考。

基于微信小程序的SCN人脸表情识别系统设计

针对人脸表情识别技术,利用自修复网络(Self-Cure Network,SCN)人脸表情识别算法模型的优势,实现SCN在移动端设备上的应用,利用训练好的模型构建人脸表情识别系统,以微信小程序为系统平台,开发了一款表情识别微信小程序。经过系统测试,结果表明该系统表情识别准确率高、操作方便、运行流畅、功能完备,基于微信小程序的SCN人脸表情识别系统具有广泛的应用前景。

基于感兴趣区域的微表情识别算法研究

作为人们内在情绪的流露和掩饰,微表情具有不可伪造和抑制的特点,对评价和了解个体的情感状态具有重要意义。然而,现有的微表情识别方法存在特征表征的主观性和不稳定性等问题,以及数据量不足和微表情类型分布不均的挑战。为解决这些问题,本文提出了一种基于感兴趣区城(ROIs)的微表情识别算法。研究结果表明,该算法在微表情检测和类型识别方面具有较好的性能和先进性,对微表情识别领域的发展具有重要的参考意义和借鉴价值,未来有望在情感识别、心理诊断和虚拟现实等领城得到广泛应用。

基于人脸表情识别的课堂评价系统

针对当下课堂评价具有主观性和延后性的问题,在完善人脸表情识别技术的基础上,探寻人脸表情与课堂评价之间的关系,构建出切实可行的课堂评价模型。借助神经网络软件PyTorch,将MobileNetV2与三种不同的神经网络模型在FER2013上进行测试以便对比分析。结果表明,综合准确率和模型大小,MobileNetV2在数据集表现最好。再对模型在MMAFEDB数据集训练后得到准确率更佳的模型后,在现存课堂评价体系上设置多种模式对应上课时不同状态。由此,提供一种新的课堂评价模型。

基于MobileNetV2特征提取的自修复表情识别算法

为了减少自修复网络(Self-Cure Network,SCN)表情识别算法的计算量、参数量,提高模型精度,采用改进的MobileNetV2来做人脸表情图像的特征提取。调整MobileNetV2的网络层结构;在模型中嵌入CA注意力机制;采用全局逐深度卷积(GDConv)代替全局平均池化层;调整深度卷积的卷积核大小;调整宽度因子降低模型的参数量。改进后的算法在公共标准数据集RAF-DB和FERPlus上精度分别较SCN提高了7.81%和5.37%,且具备SCN的算法优点;参数量和计算量分别是原模型的1.5219%和4.9511%,且远低于其他对比模型,为轻量级表情识别算法的研究提供参考。

数字化背景下职业教育教学资源建设与应用研究——以“人民调解实务”课程为例

数字化正在推动人类社会转型,以移动互联网、大数据、人工智能、算法等为代表的新技术正在重构整个社会秩序。数字化时代的到来,必然带来高职学生培养目标与培养方式的变革。开发数字化课程资源,应用于构建数字化技术课堂,培养学生数字化思维,实现数字化技术与职业技能的深度融合,是数字化背景下教学改革的必然方向。以人民调解实务课程为例,研究数字化背景下高职院校课程课堂的设计,有利于教师进一步适应数字化环境,建立更优课堂。

会“看人下菜碟”的智能机器——前景广阔的表情识别合成技术

东西方不同的人文、地理导致民族性格的差异,已经为世人所公认。比如通常认为西方人豪爽、外露,东方人委婉、含蓄。 此外,还有现代时尚给人们在性别判断上造成的困难等复杂情况。