幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

課堂學習行為的視覺感知與分析

  • 作者：編者:劉海//張昭理|責編:繆曉紅
  • 出版社：電子工業
  • ISBN：9787121456282
  • 出版日期：2023/06/01
  • 裝幀：平裝
  • 頁數：196
人民幣：RMB 95 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    人工智慧技術輔助下的教育改革已在世界各國受到越來越多的關注，加快推進教育數字轉型和智能升級成為我國教育數字化戰略行動。本書致力於在課堂學習行為的視覺感知與分析這一精細領域利用基於深度學習的電腦視覺技術推動教育智能改革，為實現個性化教學、提升教學質量、促進教育公平提供一系列方法和策略。本書系統地分析了電腦視覺技術與課堂學習行為相結合這一必然發展趨勢，從數據集構建、關鍵技術的模型方法提出、精準的應用實施三個方面展開了細緻的論述。其中涉及的電腦任務主要包括面部表情識別、視線估計、頭部姿態估計及人體姿態估計，課題組通過總結過去十余年在這些方面的實踐經驗，以期為國內探索實現規模化教育與個性化培養的有機結合提供一定的借鑒和指導。
    本書可供教育信息化科研人員或工作者參閱，也可以為電腦視覺相關專業的本科生、研究生提供該領域實際應用方向上的指導與借鑒。
作者介紹
編者:劉海//張昭理|責編:繆曉紅
目錄
第一部分  背景與理論
  第1章  背景與意義
    1.1  國家重視課堂學習行為分析的引領作用
      1.1.1  課堂學習行為分析是落實個性化培養的重要舉措
      1.1.2  課堂學習行為分析是加快教育新基建的重要舉措
      1.1.3  課堂學習行為分析是促進教育「以人為本」發展的重要舉措
      1.1.4  其他國家在「人工智慧+教育」領域的行動計劃
    1.2  要解決的問題
    1.3  國內外的研究現狀
      1.3.1  課堂學習行為的視覺感知
      1.3.2  分析國內外的研究現狀
    1.4  視覺感知原理
      1.4.1  電腦視覺驅動的行為感知基礎
      1.4.2  課堂學習行為的理解與認知
      1.4.3  課堂學習行為的智能評測
    1.5  總體研究框架
    參考文獻
  第2章  學習者興趣建模理論模型
    2.1  興趣概念的界定與分類
      2.1.1  興趣的概念界定
      2.1.2  不同角度的分類
    2.2  興趣的獲取方式與表示方法
      2.2.1  興趣的獲取方式
      2.2.2  興趣的表示方法
    2.3  學習者興趣建模
      2.3.1  學習者興趣模型的概念框架
      2.3.2  學習者興趣模型的表示方法
    2.4  學習者興趣模型量化指標分析
      2.4.1  課堂注意力量化指標
      2.4.2  課堂參與度量化指標
      2.4.3  學習情感的量化指標
    2.5  學習者興趣模型量化分析技術
      2.5.1  興趣量化指標的採集方法
      2.5.2  單維度的興趣指標量化技術
    參考文獻
第二部分  關鍵技術
  第3章  課堂學習行為數據集構建
    3.1  頭部姿態的數據集
      3.1.1  採集場景設計與布置
      3.1.2  方案規劃與數據採集
      3.1.3  數據后處理及資料庫設計
    3.2  人體姿態的數據集
    3.3  已有的數據集
      3.3.1  面部表情圖像數據集
      3.3.2  視線估計數據集的介紹
      3.3.3  頭部姿態數據集的介紹
      3.3.4  人體姿態數據集的介紹
    3.4  參考滑鼠軌跡數據的面部表情圖像標注
      3.4.1  攝像頭和滑鼠軌跡數據的採集與處理
      3.4.2  標注方法的選擇與數據標準的一致性檢驗

    3.5  數據集建立小結
    參考文獻
  第4章  面部表情識別方法
    4.1  基礎
      4.1.1  人工神經網路
      4.1.2  卷積神經網路
      4.1.3  圖卷積神經網路
      4.1.4  標籤分佈學習技術
    4.2  基於高斯先驗分佈的表情識別方法
      4.2.1  情感標籤分佈設計
      4.2.3  基於標籤分佈學習的表情識別模型構建
    4.3  基於圖卷積網路與K近鄰圖的面部表情識別
      4.3.1  面部表情特性的挖掘
      4.3.2  基於圖卷積網路與K近鄰圖的情感標籤分佈構建
      4.3.3  K近鄰圖的情感標籤分佈構建
      4.3.4  情感標籤分佈建模與優化
    4.4  建議及對未來的思考
    參考文獻
  第5章  視線估計方法
    5.1  基礎
    5.2  基於複合損失卷積神經網路的視線估計方法
    5.3  基於頭戴式設備的視線估計
      5.3.1  校準數據的準備
      5.3.2  HMD的自標定
      5.3.3  3D的PoR估計
    5.4  建議及對未來的思考
    參考文獻
  第6章  頭部姿態估計方法
    6.1  基礎
      6.1.1  頭部姿態低容忍性分析
      6.1.2  精細化頭部姿態標籤設計
      6.1.3  姿態表示差異性分析
      6.1.4  基於矩陣費雪分佈的旋轉矩陣參數化
      6.1.5  標籤平滑正則化技術
    6.2  各向異性的分佈學習
      6.2.1  頭部姿態的兩個觀察及驗證
      6.2.2  各向異性的姿態分佈模型構建
      6.2.3  基於極大后驗估計的損失函數推導
      6.2.4  基於空間權重的網路架構
    6.3  基於三元組架構的頭部姿態估計
      6.3.1  三元組網路架構
      6.3.2  頭部姿態精細化估計
      6.3.3  基於三元組架構的精細化頭部姿態估計模型
      6.3.4  損失函數和模型優化
    6.4  基於矩陣費雪分佈的頭部姿態估計方法
      6.4.1  矩陣費雪分佈模塊構建
      6.4.2  模型架構設計
      6.4.3  損失函數和模型優化
    6.5  建議及對未來的思考
    參考文獻

  第7章  人體姿態估計方法
    7.1  基礎
      7.1.1  基於深度學習的人體姿態估計方法介紹
      7.1.2  目標檢測
      7.1.3  非極大值抑制
      7.1.4  HRNet網路框架
      7.1.5  姿態估計回歸方式
    7.2  基於骨骼線索感知的HPE模型構建
      7.2.1  基於骨骼線索感知的高斯坐標編碼
      7.2.2  面向姿態估計的EHPE模型構建
    7.3  基於像素表徵學習的CHRNet網路設計
      7.3.1  前背景權重組件
      7.3.2  AF1-measure評估策略
      7.3.3  CHRNet網路架構
    7.4  建議及對未來的思考
    參考文獻
第三部分  應用與未來趨勢
  第8章  課堂學習行為的多模態融合
    8.1  過程性的融合
      8.1.1  多模態數據融合的層次
      8.1.2  過程性融合的關鍵問題
    8.2  決策性融合
    8.3  混合性的融合
      8.3.1  分層信息融合方法
      8.3.2  混合性融合
    參考文獻
  第9章  應用與未來趨勢
    9.1  應用1：智慧教室中的學生興趣模型應用實例分析
      9.1.1  《酸鹼鹽》案例基本信息
      9.1.2  學習行為數據採集
      9.1.3  學生的課堂興趣量化分析
    9.2  應用2：基於滑鼠軌跡和面部微表情的投入度分析
    9.3  應用3：基於關鍵點位置信息的學生課堂狀態分析機制
      9.3.1  學生行為識別路線
      9.3.2  學習行為分析指標
      9.3.3  學生行為狀態判別系統構建
    9.4  應用4：基於頭部姿態的學生注意力感知與分析
      9.4.1  實驗數據採集
      9.4.2  學生注意力感知分析
    9.5  建議及對未來的思考
後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032