УДК 303.724.32
DOI: 10.36871/2618-9976.2024.01.002
Авторы
Евгений Юрьевич Щетинин,
Профессор департамента математики факультета информационных технологий и анализа больших данных, Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Аннотация
Распознавание человеческой активности – одно из активно развивающихся направлений искусственного интеллекта, которое может быть реализовано в учебной среде для повышения безопасности, эффективности и качества образования. Перенос глубокого обучения является широко распространенным методом обучения нейронных сетей и доказал свою эффективность в таких сложных задачах как цифровая обработка изображений и видео.
В работе предложена модель распознавания различных активностей студентов в аудитории, использующая предварительно обученные модели, включая VGG16, ResNet50, DenseNet201, EfficientNetB0 и Xception, затем дообученная предложенным в статье методом на созданном авторами наборе изображений Class box.
Модель, базирующаяся на нейронной сети EfficientNetB0, продемонстрировала максимальную производительность среди рассмотренных и достигла точности 94,25%. Результаты, полученные в исследовании, могут быть использованы для создания более безопасной и продуктивной учебной среды для студентов и преподавателей.
Ключевые слова
распознавание
человеческая активность
перенос глубокого обучения
классификация
