首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于轻量化网络的学生课堂关注度识别方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:武汉纺织大学

摘要:本发明公开了一种基于轻量化网络的学生课堂关注度识别方法,所述方法包括以下步骤:S1:采集课堂监控场景下的视频和图像,创建数据集C,对数据集C进行预处理;S2:设计训练损失函数,搭建适用于学生课堂关注度识别的轻量化网络结构;S3:通过轻量化网络结构对数据集C进行初步训练,得到目标检测模型;S4:设计量化损失函数,并采用参数量化技术对模型进行量化训练,得到轻量化目标检测模型;S5:使用轻量化目标检测模型对课堂监控流进行预测,输出学生关注度识别结果。本发明通过设计轻量化网络结构和损失函数,提升学生课堂关注度识别的准确性和高效性。

主权项:1.一种基于轻量化网络的学生课堂关注度识别方法,其特征在于,所述方法包括以下步骤:S1:采集课堂监控场景下的视频和图像,创建数据集C,对数据集C进行预处理;S2:设计训练损失函数,然后搭建适用于学生课堂关注度识别的轻量化网络结构;所述损失函数包括定位损失函数和相似性度量损失函数,所述定位损失函数计算公式如下: 其中,是边界框回归损失函数,是交并比损失函数,是广义交并比损失函数,、、是用来调整各部分函数的超参数;所述边界框回归损失函数计算公式如下: 其中,是候选框的序号,与是预测框与真实框的中心点的坐标,,是预测框的宽和高,,是真实框的宽和高,表示第个框的宽高比,是平滑损失函数;所述交并比损失函数计算公式如下: 其中,是预测框与真实框的交并比;所述广义交并比损失函数计算公式如下: 其中,是预测框和真实框的广义交并比,用于考虑最小封闭框内未被两个框覆盖的区域;是预测框和真实框的欧式距离;所述相似性度量损失函数计算公式如下: 其中,是对比损失函数,用于区分不同类别的样本,是中心损失函数,是正则化项,表示网络参数,用于避免过拟合,,是用来调整各部分权重的超参数;在对比损失函数中,,是同一批次中的一对样本且与不重复,是一个类别标签,如果,属于同一类别,则为1;如果,不属于同一类别,则为0,是和之间的欧氏距离,表示边界值;在中心损失函数中,是样本总数,是一个样本,是所属类别的特征中心,即同批同类中置信度最高的特征向量;S3:通过所述轻量化网络结构对数据集C进行初步训练,得到目标检测模型;S4:设计量化损失函数,并采用参数量化技术对所述目标检测模型进行量化训练,得到轻量化目标检测模型;S5:拉取监控流,使用所述轻量化目标检测模型对课堂监控流进行预测,输出课堂监控场景下的学生关注度识别结果。

全文数据:

权利要求:

百度查询: 武汉纺织大学 一种基于轻量化网络的学生课堂关注度识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。