主流学习场景下学生行为描述方法研究

发布时间：2021-12-31 23:03

　　作为计算机视觉、多媒体、人工智能和自然语言处理的跨学科研究课题,图像描述技术是用一个或多个句子来自动描述图像内容的有效方法。该技术使得在学习场景下智能分析的学生行为成为可能。本文以在校大学生行为分析和自动描述为研究对象,探索不同场景下学生行为的图像描述新方法。本文主要创新性工作包括:（1）针对标准化考场中学生行为的特点,构建学生行为描述数据集“ExamineeActivityCaptioning Dataset”,并提出一种考场环境下 CNN 与 LSTM 相结合的学生行为单句描述方法。该方法首先利用CNN自动获得学生行为特征,再通过LSTM网络将行为特征转化为描述考生行为的单个语句。实验结果表明,所提方法能正确描述考场环境下学生的写试卷、翻试卷、东张西望等5类行为。（2）针对教室、机房中学生行为的特点,构建基于多区域的学习环境下学生行为密集描述数据集“LearnerActivityDenseCaptioning Dataset”,在此基础上,提出一种融合CNN、LL和LSTM网络的学生行为分区域密集描述方法。该方法首先用CNN获得学生行为特征,再通过LL网络以区域建议的方式标识行为发... 

【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２－１?ＣＮＮ模型示例??Ｆｉｇ．?２－１?Ａ?ＣＮＮ?ｍｏｄｅｌ?ｅｘａｍｐｌｅ??

矩阵卷积过程示例

一两种池化过程示例

【参考文献】：
期刊论文
[1]基于Faster R-CNN的学生课堂行为检测算法研究[J]. 谭斌,杨书焓.  现代计算机(专业版). 2018(33)
[2]人工智能融入学校教育的发展趋势[J]. 刘德建,杜静,姜男,黄荣怀.  开放教育研究. 2018(04)
[3]大学生课堂问题行为的调查与管理方法探索[J]. 胡小玲.  广东职业技术教育与研究. 2018(02)
[4]基于深度神经网络CNN的学生听课状态应用研究[J]. 李森林,彭小宁.  电脑与电信. 2017(10)



本文编号：3561150