《表1 不同深度网络模型的数据集分配比例及其结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的学生课堂行为识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了减少因训练集随机选取所导致的精度偏差，本研究统计了10次随机实验的平均精度。为了进一步验证研究方案的有效性，本研究对比了VGG16、Res Net18、Res Net50和AlexNet等四种深度网络模型（如表1所示）的课堂行为识别精度，可以看出:（1）随着训练集分配比例的不断增大，不同深度网络模型的识别精度也随之提升；（2）在同等实验条件下，相较于其它三种深度网络模型，通过迁移学习的方式训练得到的VGG16网络模型的识别精度最高——在训练样本比较充分的情况下，VGG16网络模型的课堂行为识别率可高达93.33%。