《表1 不同深度网络模型的数据集分配比例及其结果对比》
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%。
图表编号 | XD0079274100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 魏艳涛、秦道影、胡佳敏、姚璜、师亚飞 |
绘制单位 | 华中师范大学教育信息技术学院、华中师范大学教育信息技术学院、华中师范大学教育信息技术学院、华中师范大学教育信息技术学院、华中师范大学教育信息技术学院 |
更多格式 | 高清、无水印(增值服务) |