区域编码和样本平衡优化的课堂参与度识别方法和装置

摘要

本申请提出了一种区域编码和样本平衡优化的课堂参与度识别方法，该方法包括：获取学生在线学习的视频数据，并根据视频数据生成原始样本数据，其中，原始样本数据包括高参与样本数据和低参与样本数据；将低参与样本数据输入StarGAN模型，生成具有不同风格的目标低参与样本；将原始样本数据和目标低参与样本输入RCN模型中进行训练，得到训练好的RCN模型；获取待识别视频数据，根据待识别视频数据生成待识别图像数据；将待识别图像数据输入训练好的RCN模型，得到参与度识别结果。本申请有效解决了参与度识别任务中样本分布极不平衡和手遮挡面部问题，显著提升了网络模型的判别力和鲁棒性。