基于深度学习的课堂氛围分析与实现开题报告

全文总字数：3291字

1. 研究目的与意义（文献综述）

1.1研究（设计）的背景、目的与意义

情绪作为一种主观认知体验，不仅会对记忆、感知、思维等认知活动产生影响，也能够调节学习的动机和行为。学生在学习过程中的情感状态可以对整体学习结果产生积极或消极影响心，认识并解决这些问题对改善学生学习至关重要。传统教学方式下，教师在台上讲课，一个人肯定无法同时照顾到所有的几十个学生，只能捕捉到个别学生上课时的学习状态，与其他学生缺乏交互，无法全面的掌握情况，这样的课堂教学质量注定不够高效。

心理学研究指出，人的情感表达55％是通过面部表情表现出来的。由此可见，通过识别面部表情能够判断人的情感状态。

2. 研究的基本内容与方案

2.1研究（设计）的基本工作和目标

查阅相关的文献资料，配置系统实施环境，对数据集进行预处理，设计出可行的深度学习模型并实现，使用公开数据集进行训练测试，不断调整参数设置，优化性能。训练好的模型应可以分析出给定图像中学生的表情概率，如快乐85.6%，愤怒7.3%等。从而分析出课堂氛围如何（热烈、死气沉沉等）。

3. 研究计划与安排

2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；

4. 参考文献（12篇以上）

1. li, shan and weihong deng. “deep facial expression recognition: a survey.” arxiv abs/1804.08348 (2018): n. pag.

2. 何秀玲,高倩,李洋洋, 等.基于深度学习模型的自发学习表情识别方法研究[j].计算机应用与软件,2019,36(3):180-186.

3. 徐振国,张冠文,孟祥增, 等.基于深度学习的学习者情感识别与应用[j].电化教育研究,2019,40(2):87-94.