Engagement-Recognition:使用深度学习和面部表情自动识别学生参与度

上传者: 42121725 | 上传时间: 2024-06-12 17:37:04 | 文件大小: 112KB | 文件类型: ZIP
参与度识别模型 :hugging_face: TensorFlow和TFLearn实现: 敬业度是学习体验质量的关键指标,并且在开发智能教育界面中起着重要作用。 任何此类界面都需要具有识别参与程度的能力,以便做出适当的响应; 但是,现有数据非常少,新数据昂贵且难以获取。 这项工作提出了一种深度学习模型,可通过在进行专门的参与数据训练之前,通过对容易获得的基本面部表情数据进行预训练来改善图像的参与识别,从而克服数据稀疏性挑战。 在两个步骤的第一步中,使用深度学习训练面部表情识别模型以提供丰富的面部表情。 在第二步中,我们使用模型的权重初始化基于深度学习的模型以识别参与度。 我们称其为参与模型。 我们在新的参与度识别数据集上训练了该模型,其中包含4627个参与度和脱离度的样本。 我们发现参与模型优于我们首次应用于参与识别的有效深度学习架构,以及优于使用定向梯度直方图和支持向量机的方法。 参考 :hugging_face: 如果您使用我们的

文件下载

资源详情

[{"title":"( 19 个子文件 112KB ) Engagement-Recognition:使用深度学习和面部表情自动识别学生参与度","children":[{"title":"Engagement-Recognition-master","children":[{"title":"preprocess_data","children":[{"title":"Y_train.npy <span style='color:#111;'> 160B </span>","children":null,"spread":false},{"title":"X_train.npy <span style='color:#111;'> 72.13KB </span>","children":null,"spread":false}],"spread":true},{"title":"images","children":[{"title":"VGG_eng_model.jpg <span style='color:#111;'> 77.26KB </span>","children":null,"spread":false}],"spread":true},{"title":"code","children":[{"title":"ER_const.py <span style='color:#111;'> 1.02KB </span>","children":null,"spread":false},{"title":"VGG_dataset_loader.py <span style='color:#111;'> 2.26KB </span>","children":null,"spread":false},{"title":"CNN_model.py <span style='color:#111;'> 4.93KB </span>","children":null,"spread":false},{"title":"VGG_const.py <span style='color:#111;'> 1006B </span>","children":null,"spread":false},{"title":"ER_dataset_loader.py <span style='color:#111;'> 2.26KB </span>","children":null,"spread":false},{"title":"CNN_const.py <span style='color:#111;'> 1006B </span>","children":null,"spread":false},{"title":"ER_model.py <span style='color:#111;'> 6.37KB </span>","children":null,"spread":false},{"title":"CNN_dataset_loader.py <span style='color:#111;'> 2.26KB </span>","children":null,"spread":false},{"title":"VGG_model.py <span style='color:#111;'> 6.20KB </span>","children":null,"spread":false},{"title":"preprocess.py <span style='color:#111;'> 2.56KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 6.76KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"7_example.jpg <span style='color:#111;'> 1.52KB </span>","children":null,"spread":false},{"title":"5_example.jpg <span style='color:#111;'> 1.55KB </span>","children":null,"spread":false},{"title":"11_example.jpg <span style='color:#111;'> 1.65KB </span>","children":null,"spread":false},{"title":"9_example.jpg <span style='color:#111;'> 1.51KB </span>","children":null,"spread":false},{"title":"8_example.jpg <span style='color:#111;'> 1.56KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明