论文部分内容阅读
线上教学在疫情期间得到广泛应用,但是在授课过程中,教师没有精力关注每一位学生对讲授内容的实时反应,无法针对性地调整授课方案,导致教学效果不佳。因此,本文开发了基于深度学习的线上教学学情监测系统。该系统采用Yolov3算法,结合摄像头实时采集的视频画面,对学生进行检测定位,计算学生在线时间。同时,其使用Dlib开源库检测学生面部特征点,对学生进行困倦状态识别,并生成课堂学情报告,分析学生出勤、学习状态数据。测试表明,该系统响应迅速,可靠性较高,能准确判断学生的学习状态,具有较好的实际应用价值。