Please wait a minute...
 
主管单位:广东省科学技术厅
主办单位:广东省科技合作研究促进中心
编辑出版:《电脑与电信》编辑部
ISSN 1008-6609 CN 44-1606/TN
邮发代号:46-95
国内发行:广东省报刊发行局
《电脑与电信》唯一官方网站。
电脑与电信
  基金项目 本期目录 | 过刊浏览 | 高级检索 |
基于深度神经网络CNN 的学生听课状态应用研究
李森林,彭小宁
怀化学院计算机科学与工程学院
Application of Deep CNN in the Class Status of Students
Li Senlin,Peng Xiaoning
School of Computer Science and Engineering, Huaihua University
全文: PDF(0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 目前,大学生上课玩手机不再是个别现象,而授课老师在专注授课时又难以及时察觉和制止。对此,提出了一种基于卷积神经网络模型的学生听课状态应用。对拍摄获取的学生头像状态由网络模型自动识别并分析学生听课情况,低头族为疑似看手机对象或不在听课状态。课后,经由班主任进行针对性谈话了解情况并给予指导,以提高教学效果。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
李森林
彭小宁
关键词 听课状态深度学习卷积网络    
Abstract:At present, playing with mobile phones in the class is no longer an individual phenomenon for college students, and most teachers cannot be aware and stop it in time due to the focus on teaching. This paper proposes the application of convolution neural network model in class status for students. The state of students obtained by shooting is automatically recognized by network model and the listening status is identified. After class, teachers can give some guidance to the students purposely, to improve the teaching effects.
Key wordsclass status    deep learning    convolutional neural networks
年卷期日期: 2017-10-10     
:  TP183  
基金资助:怀化学院科研资助项目,项目编号:hhuy2016-3。
作者简介: 李森林(1973-),男,河北邯郸人,硕士,讲师,研究方向为机器学习、操作系统。
引用本文:   
李森林, 彭小宁. 基于深度神经网络CNN 的学生听课状态应用研究[J]. 电脑与电信, .
Li Senlin, Peng Xiaoning. Application of Deep CNN in the Class Status of Students. Computer & Telecommunication, 2017, 1(10): 35-37.
链接本文:  
https://www.computertelecom.com.cn/CN/  或          https://www.computertelecom.com.cn/CN/Y2017/V1/I10/35
[1] 李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2] 王 瑾  王 睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[3] 袁立宁,  邢中玉,  杨国艺  罗恒雨.
基于图嵌入模型的犯罪组织成员关系预测
[J]. 电脑与电信, 2024, 1(4): 1-5.
[4] 聂 铖  王 杰.
数据分析方法的研究与发展综述
[J]. 电脑与电信, 2024, 1(4): 200-25.
[5] 马 艳  刘海军  贺 忍  崔春杰  王高远  杨月巧. 基于Informer的电离层电子总量预测[J]. 电脑与电信, 2024, 1(1): 17-20.
[6] 信博夫. 基于yolov5的弱光环境航拍车辆检测[J]. 电脑与电信, 2024, 1(1): 78-83.
[7] 陈俊涛 刘力铭 车月琴. 基于图卷积网络的中文短文本细粒度情感分析[J]. 电脑与电信, 2023, 1(3): 79-84.
[8] 苏萃文 柴国强.
基于面部特征检测的人脸表情实时识别
[J]. 电脑与电信, 2023, 1(1-2): 17-21.
[9] 何宗熹 蒋明忠 谢铭霞 庞家宝 陈秋艳 胡益博. 基于YOLOv8和人脸关键点检测的驾驶员 疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[10] 陈俊安 陆庚有 谢倩怡 龚智慧 刘建平 彭绍湖.
图像去雾算法研究综述
[J]. 电脑与电信, 2022, 1(7): 63-.
[11] 管 尧 朱 凯.
基于雾天条件下交通道路上的目标检测
[J]. 电脑与电信, 2022, 1(5): 69-.
[12] 张苗苗 柴国强 于海乐 徐昊璇.
基于深度学习的面部特征检测与疲劳驾驶预警
[J]. 电脑与电信, 2022, 1(12): 1-.
[13] 包成耀 丁霄霏 戴立奇 吴宗霖 杨艳红. 基于YOLO的轻量化目标检测应用研究[J]. 电脑与电信, 2021, 1(8): 26-29.
[14] 徐铭源 杨艳红. 基于深度学习的行李检测系统的设计[J]. 电脑与电信, 2021, 1(4): 36-40.
[15] 林珑. 基于模型的深度学习通信信号鲁棒识别算法[J]. 电脑与电信, 2021, 1(1): 20-22.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
  Copyright © 电脑与电信 All Rights Reserved.
地址:广州市连新路171号广东国际科技中心 邮编:510033
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
粤ICP备05080322号-4