-
公开(公告)号：CN113705349B
公开(公告)日：2023-06-06
申请号：CN202110848705.9
申请日：2021-07-26
Applicant: 电子科技大学
IPC: G06V40/18 , G06V40/19 , G06V10/25 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0495 , G06N3/08
Abstract: 本发明实施例公开了一种基于视线估计神经网络的注意力量化方法及系统，提高了视线估计神经网络的稳定性和训练效率；将少样本学习方法应用在视线估计神经网络的训练上，提高了视线估计神经网络的泛化性能；提出一种视线角度值小区间的非线性划分方法，减小了视线估计神经网络的估计误差；提出加入睁闭眼检测以避免闭眼状态对视线估计造成误差；提出一种视线落点解算方法，具有较高的环境适应性，能快速用于实际部署；提出一种基于视线落点的注意力量化方法，对视线落点区域加权使得注意力量化结果更为准确；最后，结合上述方法设计出基于视线的注意力分析系统，并引入结合群体注意力统计信息的注意力修正模块，进一步提高注意力分析系统的准确性和可靠性。
-
公开(公告)号：CN113822558B
公开(公告)日：2023-04-07
申请号：CN202111054782.3
申请日：2021-09-09
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06Q50/20 , G06N3/006
Abstract: 本发明公开了一种基于AI识别数据的学生评估方法及系统，涉及智能教育领域。适用于学生评估的轻量级网络模型，该模型以AI识别数据为输入，以评估结果为输出；提出了训练数据生成算法、训练数据生成算法，通过上述算法将多维AI识别数据及标签统一处理成适用于网络模型的训练数据，可解决任意AI识别数据与各类标签之间维度不统一，原生数据无法满足多维度、跨时间段预测模型训练的难题；提出模拟数据生成算法、模拟标签生成算法，使用这些算法并配上训练数据生成算法、训练数据生成算法生成模拟训练数据。使用生成的模拟训练数据对网络模型进行预训练，解决了学生评估这类应用场景下标签量不足的难题。
-
公开(公告)号：CN113705349A
公开(公告)日：2021-11-26
申请号：CN202110848705.9
申请日：2021-07-26
Applicant: 电子科技大学
Abstract: 本发明实施例公开了一种基于视线估计神经网络的注意力量化方法及系统，提高了视线估计神经网络的稳定性和训练效率；将少样本学习方法应用在视线估计神经网络的训练上，提高了视线估计神经网络的泛化性能；提出一种视线角度值小区间的非线性划分方法，减小了视线估计神经网络的估计误差；提出加入睁闭眼检测以避免闭眼状态对视线估计造成误差；提出一种视线落点解算方法，具有较高的环境适应性，能快速用于实际部署；提出一种基于视线落点的注意力量化方法，对视线落点区域加权使得注意力量化结果更为准确；最后，结合上述方法设计出基于视线的注意力分析系统，并引入结合群体注意力统计信息的注意力修正模块，进一步提高注意力分析系统的准确性和可靠性。
-
公开(公告)号：CN113822558A
公开(公告)日：2021-12-21
申请号：CN202111054782.3
申请日：2021-09-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于AI识别数据的学生评估方法及系统，涉及智能教育领域。适用于学生评估的轻量级网络模型，该模型以AI识别数据为输入，以评估结果为输出；提出了训练数据生成算法、训练数据生成算法，通过上述算法将多维AI识别数据及标签统一处理成适用于网络模型的训练数据，可解决任意AI识别数据与各类标签之间维度不统一，原生数据无法满足多维度、跨时间段预测模型训练的难题；提出模拟数据生成算法、模拟标签生成算法，使用这些算法并配上训练数据生成算法、训练数据生成算法生成模拟训练数据。使用生成的模拟训练数据对网络模型进行预训练，解决了学生评估这类应用场景下标签量不足的难题。
-
-
-
Search Results
4
records
(took 0.017 seconds)
