作為計(jì)算機(jī)視覺(jué)、多媒體、人工智能和自然語(yǔ)言處理的跨學(xué)科研究課題,圖像描述技術(shù)是用一個(gè)或多個(gè)句子來(lái)自動(dòng)描述圖像內(nèi)容的有效方法。該技術(shù)使得在學(xué)習(xí)場(chǎng)景下智能分析的學(xué)生行為成為可能。本文以在校大學(xué)生行為分析和自動(dòng)描述為研究對(duì)象,探索不同場(chǎng)景下學(xué)生行為的圖像描述新方法。本文主要?jiǎng)?chuàng)新性工作包括:（1）針對(duì)標(biāo)準(zhǔn)化考場(chǎng)中學(xué)生行為的特點(diǎn),構(gòu)建學(xué)生行為描述數(shù)據(jù)集“ExamineeActivityCaptioning Dataset”,并提出一種考場(chǎng)環(huán)境下 CNN 與 LSTM 相結(jié)合的學(xué)生行為單句描述方法。該方法首先利用CNN自動(dòng)獲得學(xué)生行為特征,再通過(guò)LSTM網(wǎng)絡(luò)將行為特征轉(zhuǎn)化為描述考生行為的單個(gè)語(yǔ)句。實(shí)驗(yàn)結(jié)果表明,所提方法能正確描述考場(chǎng)環(huán)境下學(xué)生的寫試卷、翻試卷、東張西望等5類行為。（2）針對(duì)教室、機(jī)房中學(xué)生行為的特點(diǎn),構(gòu)建基于多區(qū)域的學(xué)習(xí)環(huán)境下學(xué)生行為密集描述數(shù)據(jù)集“LearnerActivityDenseCaptioning Dataset”,在此基礎(chǔ)上,提出一種融合CNN、LL和LSTM網(wǎng)絡(luò)的學(xué)生行為分區(qū)域密集描述方法。該方法首先用CNN獲得學(xué)生行為特征,再通過(guò)LL網(wǎng)絡(luò)以區(qū)域建議的方式標(biāo)識(shí)行為發(fā)... 

【文章來(lái)源】：陜西師范大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

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

矩陣卷積過(guò)程示例

一兩種池化過(guò)程示例

【參考文獻(xiàn)】：
期刊論文
[1]基于Faster R-CNN的學(xué)生課堂行為檢測(cè)算法研究[J]. 譚斌,楊書(shū)焓.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(33)
[2]人工智能融入學(xué)校教育的發(fā)展趨勢(shì)[J]. 劉德建,杜靜,姜男,黃榮懷.  開(kāi)放教育研究. 2018(04)
[3]大學(xué)生課堂問(wèn)題行為的調(diào)查與管理方法探索[J]. 胡小玲.  廣東職業(yè)技術(shù)教育與研究. 2018(02)
[4]基于深度神經(jīng)網(wǎng)絡(luò)CNN的學(xué)生聽(tīng)課狀態(tài)應(yīng)用研究[J]. 李森林,彭小寧.  電腦與電信. 2017(10)



本文編號(hào)：3561150