基于深度学习的人脸表情分析与复杂情绪识别以增强在线学习中的学生参与度
计算机视觉与模式识别
2023-11-20 v1
摘要
为应对 COVID-19 疫情，传统实体课堂已转向在线环境，亟需有效策略以确保学生持续参与。在线教学中的一个重大挑战是教师无法实时获取学生学习进度的反馈。本文提出一种新颖方法，采用基于人脸表情的深度学习技术来评估在线学习过程中学生的参与程度。学生的情绪无法仅通过愤怒、厌恶、恐惧、喜悦、悲伤、惊讶和中性等基本情绪充分表达。为应对该挑战，本文提出通过组合基本情绪生成困惑、满意、失望和挫败四种复杂情绪。这些复杂情绪在学习过程中常为学生同时体验。为动态刻画这些情绪，我们使用了连续的图像帧流而非离散图像。所提工作利用卷积神经网络（CNN）模型准确分类学习者的基本情绪状态。所提 CNN 模型表现出强劲性能，在学习者情绪的精确分类中达到 95% 的准确率。
引用
@article{arxiv.2311.10343,
title = {Enhancing Student Engagement in Online Learning through Facial Expression Analysis and Complex Emotion Recognition using Deep Learning},
author = {Rekha R Nair and Tina Babu and Pavithra K},
journal= {arXiv preprint arXiv:2311.10343},
year = {2023}
}
备注
Face emotion recognition work