电子学习环境中基于多任务训练的参与度检测
计算机视觉与模式识别
2022-04-11 v1 机器学习
摘要
用户交互的识别，尤其是参与度检测，对于在线工作与学习环境已变得极为关键，特别是在 COVID-19 暴发期间。此类识别与检测系统通过提供有价值的反馈显著改善用户体验与效率。在本文中，我们提出一种新颖的基于多任务训练的参与度检测（ED-MTT）系统，其共同最小化均方误差与三元组损失，以确定电子学习环境中学生的参与度水平。该系统的性能在公开可用数据集以及从真实场景收集的视频上进行了评估，并与最先进方法进行比较。结果表明，ED-MTT 以高度可接受的训练时间与轻量级特征提取，实现了比最佳最先进性能低 6% 的 MSE。
引用
@article{arxiv.2204.04020,
title = {Engagement Detection with Multi-Task Training in E-Learning Environments},
author = {Onur Copur and Mert Nakıp and Simone Scardapane and Jürgen Slowack},
journal= {arXiv preprint arXiv:2204.04020},
year = {2022}
}