基于深度学习的学生课堂注意力评价

作者：孙绍涵; 张运楚^*; 王超; 张汉元

来源：计算机系统应用, 2022, 31(06): 307-314.

DOI：10.15888/j.cnki.csa.008553

• 课堂行为识别
• YOLOv4
• 注意力评价
• 课堂教学效果评价
• 目标检测

针对学生课堂行为状态识别准确率较低的问题,提出一种基于YOLOv4的改进模型.通过建立学生课堂行为状态数据集,调整YOLOv4算法训练模型的参数,修改卷积块激活函数为ELU函数以优化模型,同时提出将DIoU-Soft-NMS作为非极大值抑制机制,识别分析教室中学生课堂行为状态;根据各状态持续时长及状态变化频率计算学生听课有效时长,并参考山东高考赋分原则,建立学生课堂注意力量化评价准则,同时建立教师课堂授课效果量化评价标准.实验结果表明,以同一评价指标衡量模型,该模型在学生课堂行为检测速率不变的情况下,平均精度均值(mAP)达到98.8%,比原YOLOv4模型提升了3.53%,学生服课堂注意力量化评价准则,有较高的契合度.

• 单位
  山东建筑大学