科研之友
微信
新浪微博
Facebook
分享链接
摘要
情感计算可以为智慧教育提供更好的教学效果和学习体验。目前针对课堂领域的情感计算研究仍存在有限的适应性与对复杂场景的感知能力较弱的问题。针对这一挑战，提出了一种全新的混合架构SC-ACNet，旨在对学生课堂进行准确的情感计算。它包含一个能适应小目标的多尺度学生面部检测模块；一个能适应不同面部姿态的、具有自适应空间结构的情感计算模块，对学生的5种课堂情感(平静，困惑，愉悦，困倦，惊讶)进行准确识别；以及一个自注意力模块，可视化模型中对结果产生主要贡献的区域。此外，为了缓解课堂环境下学生面部情绪图像数据集匮乏的问题，构建了一个全新的学生课堂数据集SC-ACD。在SC-ACD数据集上的实验结果表明，与基线方法相比，SC-ACNet的平均检测精度(mAP)提升了4.2个百分点，情感计算准确率提升了9.0个百分点；此外，SC-ACNet在其他通用的情感数据集KDEF和Ra FD上的准确率分别达到了0.972和0.994，验证了所提出的方法可作为提高智慧课堂教学质量的有前途的解决方案。
- 单位
