基于迁移学习的课堂环境中学生活动识别
计算机视觉与模式识别
2023-12-04 v1
摘要
人工智能与深度学习的最新进展推动了各类应用的自动化，包括家庭自动化、智能监控系统及医疗等。人体活动识别是其新兴应用之一，可部署于课堂环境以提升安全性、效率与整体教育质量。本文提出一种用于检测与识别课堂环境中学生活动的系统。由于本研究开展时该任务尚无标准数据集，作者自行构建并录制了数据集。迁移学习作为深度学习中广泛采用的方法，已被证明有助于图像与视频处理等复杂任务。使用 VGG-16、ResNet-50、InceptionV3 与 Xception 等预训练模型进行特征提取与分类任务。Xception 在该新颖课堂数据集上取得了 93% 的准确率，优于所考虑的其他三种模型。本研究提出的系统旨在为学生与教育者营造更安全、更高效的学习环境。
引用
@article{arxiv.2312.00348,
title = {Student Activity Recognition in Classroom Environments using Transfer Learning},
author = {Anagha Deshpande and Vedant Deshpande},
journal= {arXiv preprint arXiv:2312.00348},
year = {2023}
}
备注
6 pages, 12 figures, accepted at the IEEE International Conference on Computational Intelligence, Networks and Security (ICCINS) 2023