深度有序度量学习改进的课堂参与度识别 |
| |
引用本文: | 董瑶,徐敏,周丽娟,陈文龙,周修庄,张晓宇.深度有序度量学习改进的课堂参与度识别[J].小型微型计算机系统,2023(4):798-804. |
| |
作者姓名: | 董瑶 徐敏 周丽娟 陈文龙 周修庄 张晓宇 |
| |
作者单位: | 1. 首都师范大学信息工程学院;2. 北京邮电大学人工智能学院;3. 中国电子科技集团公司第四十七研究所 |
| |
基金项目: | 国家自然科学基金项目(62177034,61972046)资助;;国家重点研发计划项目(2019YFB1406301)资助;;北京自然科学基金项目(4202051)资助; |
| |
摘 要: | 在线课堂已成为当前最重要的教学场景之一.针对当前基于视觉特征学习和距离度量学习的参与度识别模型仍然缺乏足够的判别力和稳定性等问题,本文将有序深度度量学习方法引入课堂参与度识别任务,联合建模视觉特征学习和判别度量学习.首先,提出一个有序度量损失函数建模参与度样本的有序标签结构,使得在学习获得的有序度量空间中,视觉特征与其参与度标签保持有序一致性,提高识别模型的判别力.其次,提出一种四元组困难样本构造策略,对困难正样本的视觉特征相似度进行最小化,同时最大化困难负样本的视觉特征相似度,充分挖掘困难样本,提高模型训练的效率和稳定性.最后在课堂参与度基准数据集DAiSEE上进行测试,验证了算法的有效性.
|
关 键 词: | 深度学习 课堂参与度识别 视觉特征 有序度量学习 困难样本 |
|
|