基于DPRNN语音分离的变时长型S-T课堂教学分析法

在教育智能信息化的大环境下,智能且自动的教学评价体系必不可少,课堂教学分析是教育评价领域的重要环节。本文针对课堂教学分析问题,提出一种利用DPRNN分离课堂音频并使用S-T分析法进行分析的方法。该方法以DPRNN为基础,获取较精确的教师音频,通过平均细分变时长编码法对音频进行S-T编码处理。相比基于视频的传统的S-T分析法,该方法具有成本低、方便处理、具有时间不变性及准确性较高等优点。

基于YOLO-CIRCLE算法的圆形钢卷检测

YOLOV3是计算机视觉领域一种优秀的模型,在目标检测领域有着极为广泛的应用,但在圆形目标检测上有较大的检测冗余。工业生产环境中圆形目标极为常见,为高效准确地确定圆形钢卷目标位置及轮廓,本文针对针对圆形目标检测提出YOLO-CIRCLE模型,使用圆形先验框机制进行回归,并针对圆形目标的IOU计算提出CIRCLE-IOU和更适合圆形目标的损失计算函数CIRCLE-LOSS。并采集2000张工业生产环境中的钢卷图片进行训练。实验结果表明:YOLO-CIRCLE模型能够有效检测出圆形钢卷目标,平均精度为99.92%,平均有效面积超过95%,虽然检测速度低于原YOLOV3模型,但平均有效面积提升了20%,平均有效精度提升了0.08%,降低了空间复杂度;相比霍夫圆检测算法,速度提升56%,并且减少了参数调整的过程。本论文提供的方法可以减少大量圆形目标的识别冗余,并具有较高的鲁棒性,有助于工业产品质量检测自动化系统的建立。