文献

J-GLOBAL ID：202002283505089186   整理番号：20A2770223

教室のための学習者感情認識の設計と応用【JST・京大機械翻訳】

Design and application of learner emotion recognition for classroom

著者 (2件)： Su Chao (School of Electronic and Electrical Engineering, Shanghai University of Engineering and Science, Shanghai, 201600, China) ,  Wang Guozhong (School of Electronic and Electrical Engineering, Shanghai University of Engineering and Science, Shanghai, 201600, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1651  号： 1  ページ： 012158 (9pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 教室における学習者の感情認識は,教室効率の改善に重要な役割を果たす。現在,伝統的画像処理に基づく認識方法は,一般的に,低い認識精度,特徴抽出の困難さなどの問題を持っている。上記の問題を効果的に解決するために,学習者のための感情認識を実行するために,深い学習ベースの方法を提案した。本方法は,最初に,MobileNetの畳込み構造を導入することによって,YOLO v3のDarkNet-53を置換して,それは,モデルをより軽くして,パラメータを減らした。次に,GIoU損失を使用することによって,モデルの損失機能を改良した。最後に,K平均クラスタリングアルゴリズムを用いて,自製データセット上の感情認識シーンに適したアンカーを得た。このように,高精度で軽量の学習者感情認識モデルER_YOLOを得た。実験結果は,改良モデルmAPが4%増加し,F1スコアが3.2%増加し,検出時間が1/3減少し,パラメータが1/10減少したことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  特徴抽出 ,  画像処理 ,  認知モデル
準シソーラス用語： *学習者 ,  *感情認識 ,  高精度 ,  認識精度 ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教室 ,  学習者 ,  感情認識 ,  設計 ,  応用