一种基于深度学习的学生课堂行为检测方法
基本信息
| 申请号 | CN202110703914.4 | 申请日 | - |
| 公开（公告）号 | CN113469001A | 公开（公告）日 | 2021-10-01 |
| 申请公布号 | CN113469001A | 申请公布日 | 2021-10-01 |
| 分类号 | G06K9/00（2006.01）I;G06K9/32（2006.01）I;G06K9/34（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 刘复昌;潘志庚;曹明亮;丁丹丹;张明敏;梁应滔;梁应鸿;胡丽平 | 申请（专利权）人 | 广州玖的数码科技有限公司 |
| 代理机构 | 重庆市信立达专利代理事务所（普通合伙） | 代理人 | 刘洁 |
| 地址 | 510640广东省广州市天河区平云路163号之二901室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的学生课堂行为检测方法，涉及行为识别技术领域，其技术方案要点是：S1、制成数据库；S2、将原始数据集按比例分为训练集、验证集及测试集，利用yolo_v3检测算法获取图像中学生的位置信息，根据学生的位置信息，利用Opencv裁剪学生图像，将图像统一缩放为224×224；S3、通过数据扩容的方式扩大训练集；S4、将ResNet50网络结构作为预训练模型进行训练，并据验证集的验证结果对网络结构进行微调，训练得到分类模型；S5、利用训练的模型结构测试测试集，观察图像分类情况与实际情况的差异，得模型的分类效果，并保存分类结果。该方法可检测识别学生课堂行为，能够帮助教师掌握学生上课状态、调整教学方式，并可作为教学评价的重要依据。 |
