基于改进YOLOv8s的学生课堂行为识别研究

为了有效识别真实课堂中的学生行为,提出一种基于改进YOLOv8s模型的课堂行为识别方法。在YOLOv8s主干网络中融入轻量级坐标注意力机制Coordinate Attention,提高模型特征学习能力;在特征融合模块借鉴加权双向特征金字塔网络BIFPN与重参数化模块Diverse-Branch Block,对YOLOv8s中的特征金字塔网络PANet进行改进,提高模型的特征整合能力。实验结果显示,改进后的模型YOLOv8s-CB比原始模型的平均精度均值提升了1.7个百分点,达到92.4%,表明该算法在实时检测课堂学生行为识别任务中具有更大优势。     

基于YOLOv5的交通标志识别

交通标志识别是自动驾驶技术中的关键一部分.针对交通标志在道路场景中目标较小且识别精度较低的问题,提出一种改进的YOLOv5算法.首先在YOLOv5模型中引入全局注意力机制(GAM),提高网络捕获不同尺度交通标志特征的能力;其次将YOLOv5算法中使用的GIoU损失函数更换为更具回归特性的CIoU损失函数来优化模型,提高对交通标志的识别精度.最后在Tsinghua-Tencent 100K数据集上进行训练,实验结果表明,改进后的YOLOv5算法对交通标志识别的平均精度均值为93.00%,相比于原算法提升了5.72%,具有更好的识别性能.     

基于改进YOLOv4算法的轻量化网络设计与实现

在嵌入式设备上进行目标检测时易受能耗和功耗等限制,使得传统目标检测算法效果不佳。为此,对YOLOv4算法进行优化,设计YOLOv4-Mini网络结构,将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理,其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量。采用SE模块为通道施加注意力机制,激活函数层运用h-swish非线性激活函数,在保证精度的情况下降低网络计算量。同时,通过量化感知训练将权重转为INT8类型,以实现模型轻量化,进一步降低网络参数量和计算量,从而在嵌入式设备上完成无人机数据集的目标检测任务。在NVIDIA Jetson Xavier NX设备上进行测试,结果显示,YOLOv4-MobileNetv3网络的mAP为34.3%,FPS为30,YOLOv4-Mini网络的mAP为32.5%,FPS为73,表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务。     

基于改进YOLOv5s的焦炉烟火识别算法

针对炼焦厂烟火排放全天候环保监测的要求,提出了基于改进YOLOv5s的焦炉烟火识别算法;该算法以YOLOv5s为基础网络,在主干网络Backbone中添加CBAM注意力机制模块,使网络更加关注重要的特征,提升目标检测的准确率;新增FReLU激活函数代替SiLU激活函数,提高激活空间的灵敏度,改善烟火图像视觉任务;在自建数据集中烟、火样本标签基础上,增加灯光标签来解决强灯光对火焰识别的干扰,并通过分流训练、检测的方式来解决昼夜场景的烟火检测问题;在自建数据集上做对比实验,更换激活函数后,联合CBAM模块的YOLOv5s模型效果最佳;实验结果显示,与原始YOLOv5s模型相比,在白天场景下的烟火识别mAP值提升了6.7%,在夜间场景下的烟火识别mAP值高达97.4%。     

基于改进YOLOv5s的人脸疼痛表情识别

针对目前疼痛表情识别模型结构复杂、计算量大、检测速度慢、不易移植等问题,提出一种针对移动端设备的轻量化人脸疼痛表情识别算法。首先引入GhostNet网络结构中的Ghost模块卷积,压缩模型的参数量,减小计算开销;之后用改进的FReLu激活函数替换SiLu激活函数,提升识别精度与检测效率;最后引入CA注意力机制,对人脸疼痛表情特征区域增加关注度,提升算法对疼痛表情模型的识别精度。实验结果表明,改进后的模型对疼痛表情识别精度达到96.9%;每张图片检测时间为53 ms,相比YOLOv5s模型用时缩短18%;模型大小相比YOLOv5s下降41.3%。适用于移动端设备的实时疼痛表情识别。     

一种改进YOLOv4的交通标志识别算法

针对现存交通标志识别模型参数量过大、检测速度慢和检测精度较低的问题,本文提出一种改进YOLOv4-tiny的交通标志识别算法.该算法将深度可分离卷积应用到YOLOv4-tiny的特征提取网络中,显著降低了主干网络的参数量和计算量.在特征融合阶段,将特征提取网络得到的不同层次特征图输入双向特征金字塔网络结构(BiFPN)中进行多尺度特征融合.最后,在损失函数设计过程中,使用Focal损失函数代替二分交叉熵损失函数,使检测过程中的正负样本数量不均衡问题得以解决.在TT100K数据集上的测试结果表明,该算法的平均精度均值达到87.5%,相比于YOLOv4-tiny提升了3.9%,模型大小为14MB,仅为YOLOv4-tiny的58%.该算法一定程度上减少了计算量和模型大小,并带来了检测速度和精度的提升.     

基于RepVGG-YOLOv4的焦罐提升机状态检测

提出一种基于视频流数据的提升机状态自动检测方法,将YOLOv4算法原有的CSPDarknet53框架替换成RepVGG框架,建立了基于RepVGG主干特征提取网络的YOLOv4模型,通过对提升机数据集的迭代训练,得到最终的检测模型,对设备状态进行实时分类,实现了设备状态的准确识别。测试结果表明,该算法的检测精度可达99.3%,检测速度26.28fps,满足提升机设备状态实时检测的需求,同时模型所占内存更小,更便于在生产现场部署,对硬件平台的要求有所降低。     

面向无人机作战的复杂光照环境下小目标检测方法研究

针对复杂光照环境下无人机作战的小目标难以检测问题,以引入注意力机制的YOLOv5s-Se模型为基础,设计了基于Ghost模块与形状损失函数的YOLOv5s-Se_Point改进模型。该模型首先引入形状特征损失函数,提高对小目标形状特征的提取能力。然后,使用Ghost模块替换网络Backbone中的卷积模块,以提高识别速度,降低模型尺寸。通过设置模拟作战场景进行实验,结果表明YOLOv5s-Se_Point相对于YOLOv5s和YOLOv5s-Se模型,在准确率和检测速度上具有一定优势,可以有效地改善复杂光照环境下传统算法的缺陷,提高算法的鲁棒性,实现对复杂光照环境下小目标的有效识别。     

改进YOLOv4框架的胃息肉检测

在计算机视觉的内窥胃部息肉检测中, 高效提取小型息肉图像特征是设计深度学习的计算机视觉模型一个难点. 针对该问题, 提出了一种YOLOv4改进的YOLOv4-polyp检测模型. 首先在YOLOv4的基础上, 引入CBAM卷积注意力模块增强模型在复杂环境的特征提取能力; 其次设计出轻量级CSPDarknet-49网络模型, 在降低模型复杂度的同时提高检测精度和检测速度; 最后根据胃息肉数据集的特点, 采用K-means++聚类算法对胃息肉数据集进行聚类分析, 得到优化后的锚框. 实验对比结果表明, YOLOv4-polyp对于经典YOLOv4模型在保持检测速率不变的同时, 在两个数据集中平均检测精度分别提升了5.21%和2.05%, 表现出良好的检测性能.     

改进YOLO v4的火焰图像实时检测

为解决火焰图像检测易被周围环境干扰、火焰特征复杂等问题,提出改进型YOLOv4火焰图像实时检测模型。改进模型的激活函数;通过K-Means聚类针对火焰图像的特征调整先验框的维度;通过改进损失函数,减少模型中不必要特征的学习;引入注意力机制(通道注意力(CAB)模块和空间注意力(SAB)模块),增强模型在通道和空间的感知力。实验结果表明,改进的YOLOv4目标检测算法的FPS可达76.7,较原来提升了1.1;检测精度和召回率为82.8%、0.78,分别比原算法提高了36.56%、0.36;损失值为0.7758,比原算法降低了1.2942。     

关于高校双语教学课堂质量评价体系的研究

该文根据现代教育评价理论建立了高校双语教学课堂质量评价体系的。结合因素分解法和特尔斐法对评价指标进行了确定。采用了专家排序法对评价体系各指标的权重进行了计算,并对所建立的评价体系的使用方法及结果的分析进行了详细的阐述．揭示了各项结果的现实意义。     

信息技术教学中分组教学法应用初探

随着时代的发展,信息技术成为了学生必须掌握的一项技能。目前学生的信息技术水平参差不齐,传统的教学方式对学生的水平提高不大,我们必须采取新的教学方式来提高教学的质量,提高学生的信息技术水平。该文采取的新的教学方式也就是分组教学的方式。     

基于模糊AHP的大学课堂教学质量评价研究

为了对大学教师课堂教学质量进行有效的监督和管理,建立了现代信息技术环境下大学教师课堂教学质量评价指标体系,基于模糊综合评判法和层次分析法(AHP)建立了教师课堂教学质量评价模型,应用此模型实例分析某教师的课堂教学质量并提出相应的提升策略,提高了评价的科学性和实用性。     

基于动态模糊理论的课堂教学质量评价模型

针对目前已有的课堂教学质量评价方法无法全面、公正的评价教师真正教学水平的现状,提出基于动态模糊理论的课堂教学质量评价模型。模型以宿迁学院课堂教学质量评价指标体系为例建立评价指标集,介绍动态模糊评价信息的获取途径,给出各评价因素动态模糊矩阵的建立过程和最终评价结果集的计算方法。最后通过三位教师课堂教学质量评价信息计算过程的实例,验证评价结果的科学性、准确性和全面性,并体现该模型的优势。     

Could a mobile‐assisted learning system support flipped classrooms for classical Chinese learning?

In this study, the researcher aimed to develop a mobile‐assisted learning system and to investigate whether it could promote teenage learners' classical Chinese learning through the flipped classroom approach. The researcher first proposed the structure of the Cross‐device Mobile‐Assisted Classical Chinese (CMACC) system according to the pilot survey and reviewed literature, and then adopted a quasi‐experimental design to understand whether the developed system could promote and support flipped classroom learning for classical Chinese. A total of 56 eleventh graders from two classes participated in the experiment. The learners in the experimental group learned classical Chinese with the flipped classroom learning strategy with the assistance of the CMACC system, while the control group adopted the flipped classroom learning strategy without using the CMACC system. The results reveal that all of the students improved their Chinese performance, but it was noticeable that the learners who used the CMACC system showed better motivation in terms of self‐directed preview learning, while those who only learned with the traditional textbooks tended to be more passive. In sum, the mobile‐assisted learning system added value in providing learners with opportunities to achieve anytime and anywhere flipped classroom learning. The integration of ubiquitous mobile learning technology and the flipped classroom strategy can be viewed as a critical factor leading to students achieving self‐regulated learning. It is also suggested that instructors should carefully take the targeted learners' cultural background and the availability of supporting learning devices into consideration so as to prevent the flipped classroom from exacerbating the digital divide. Other suggestions for educators and instructional designers are also proposed.     

数据挖掘技术在高校课堂教学评价中的应用

数据挖掘技术目前在商业、金融业等方面都得到了广泛的应用,而在教育领域应用较少。数据挖掘中的关联规则挖掘能够发现大量数据中项集之间有趣的关联或相关联系,特别是随着大量数据不停地收集和存储,从数据库中挖掘关联规则就越来越有其必要性。文中从滁州学院教师档案数据库提取相关教师的记录,并结合课堂教学质量评估中的实际数据,利用改进的Apriori算法找出教师本身的素质与学生评价结果之间的内在关系。     

基于.NET的课堂教学质量评价系统的研究与实现

基于某些高职院校教师课堂教学质量评价存在的弊端,设计并开发了基于.NET的课堂教学质量评价系统,通过运行此系统,可以定量地对教师的课堂教学效果做出评价,使教学管理在科学化、标准化的道路上迈出新的一步.     

课堂教学评价智能辅助决策系统模型的构建

课堂教学评价是提高教师教学水平和考核教学质量的有效途径。通过对聊城大学现有教学评价系统中的数据进行多角度分析得到了一些有价值的信息,为教学、管理和决策服务提供了有力的数据支持。在此基础上构建了课堂教学评价智能辅助决策系统模型,为教学评价系统的开发和完善提供参考,并最终为高校的教学、管理提供数据支持。     

线上体育课堂在线人数的智能评估方法

由于线上教学时,学生与教师无法面对面交流,给教师监察学生行为与课堂表现造成极大不便,为此研究线上体育课堂在线人数智能评估方法.使用量化分析法采集在线人数学习行为相关信息数据,获得学习行为信息数据集;构建线上课堂在线人数信息处理系统,并利用可视化与平行坐标方法将学习行为数据进行分段评估处理,实现各段学习行为的准确评估.实...     

数字校园中教室管理系统的设计与实现

首先介绍目前高校教室资源管理工作所面临的问题,为了满足日益变化的需求,设计和实现多媒体教室管理系统来解决相应问题。其次,提出了多媒体教室管理系统设计的需求,并且着重介绍了开发过程中遇到的问题及相关的解决方案。用户通过本系统可轻松地查询到所需教室的使用信息,提高了管理水平和效率,并实现借用过程的信息化。