导读:本文包含了学习人论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,人脸识别,课堂行为分析评测系统
学习人论文文献综述
左国才,韩东初,苏秀芝,王海东,吴小平[1]（2019）在《基于深度学习人脸识别技术的课堂行为分析评测系统研究》一文中研究指出深度学习人脸识别技术已经非常成熟,并且应用广泛,但是将深度学习人脸识别技术应用于课堂行为分析评测的研究却非常少。因此,本文提出一种基于深度学习人脸识别技术的课堂行为分析评测系统,并将该系统应用于高职院校学生专业课程课堂行为分析。课堂行为分析评测系统从学生侧脸专注度、学生抬头低头专注度、眼睛张合度专注度叁个方面来判断学生是否专注听课,为课堂教学中的学生课堂行为评价提供客观评价的依据。实验证明基于深度学习人脸识别技术的课堂行为分析评测系统可以正确判断学生的课堂行为,为课堂教学学生课堂行为评价提供依据,方便课堂教学管理与实施。(本文来源于《智能计算机与应用》期刊2019年05期）
陈晋音,周嘉俊,沈诗婧,郑海斌,宣琦[2]（2019）在《深度学习人脸识别系统的对抗攻击算法研究》一文中研究指出目前,基于深度学习的应用越来越广泛,但是深度学习易受到人为细微扰动的对抗攻击.针对精度和安全要求较高的人脸识别深度模型,通过研究其在对抗攻击下的脆弱性,有助于进一步提出相应防御策略来提高模型鲁棒性.本文针对基于深度学习的黑盒人脸识别系统,利用生物面部配件(如眼镜框)约束对抗扰动区域,通过粒子群优化(PSO)策略生成对抗配件,攻击人脸识别模型.本文实现了针对最新人脸识别框架Face Net的对抗攻击,取得了较好的攻击效果.最后利用对抗训练进行了防御测试,验证了该方法能提高模型鲁棒性.(本文来源于《小型微型计算机系统》期刊2019年08期）
汤双霞[3]（2019）在《基于深度学习人脸识别技术在高校学堂分析设计及实现》一文中研究指出现代人脸识别以深度学习技术为核心,以卷积神经网络为基础,通过输入图像提取到人脸的特征值计算分析人脸的表情。通过分析当前学生的专注度(表情变化),建立数据采集样本集,通过训练计算完成课堂专注度分析,形成课堂学生专注度分布结果。结果表明,进行教师的课堂学情分析,有利于进行课程的教育教学改革,提高办学水平,也有利于教育行业的技术进步,提高行业的信息技术教育水平。(本文来源于《物联网技术》期刊2019年06期）
刘勇[4]（2019）在《基于分类思想的深度学习人脸美丽回归预测层设计》一文中研究指出目前人脸美丽的深度学习回归预测算法都是使用的同一种最简单的回归方式,该种回归方式训练过程中训练集验证集上损失值波动比较大、且它的输出没有上下界限制,不太合理,针对这些问题提出一种新的回归预测层设计方法。该回归层先使用Softmax函数归一化将人脸属于各个美丽级别的概率投影到多个节点上,再对美丽分数求解数学期望,投影到预测分数节点,最终使用均方误差函数对网络进行目标函数优化。实验证明该方法明显优于目前的回归方法,具有训练集误差和验证集误差波动小、输出范围合理、预测精度更高等优点。(本文来源于《现代计算机》期刊2019年13期）
吴成业[5]（2019）在《一材多用,深度学习——人教版《分数的初步认识》课例研究》一文中研究指出一、教材的解读与改编《分数的初步认识》是小学阶段针对数的概念的一次扩展,从意义、读写方法及计算方法上看,分数与整数都有较大的差异。而且,分数概念比较抽象,学生在学习时会存在一些难度。《分数的初步认识》中的"初步"的主要含义是:一是单位"1"只有一个物体组成;二是出现的分数都是真分数且分母比较小;叁是不出现分数的定义。(本文来源于《内蒙古教育》期刊2019年10期）
陈延英[6]（2019）在《学习人景合一 感受异国风情》一文中研究指出《威尼斯的小艇》《与象共舞》是人教版第十册第八单元的课文。本组课文以“异国风情”为主题，向学生展示了一幅幅多姿多彩的异国风情画卷，为学生打开了一扇通向异国文化的窗。结合教材的特点“不单单写景，而是采用人景合一的方法”，以及本班学生的实际特点，我(本文来源于《语言文字报》期刊2019-04-03）
殷欣[7]（2019）在《基于改进的机器学习人脸识别算法研究》一文中研究指出近年来,人脸识别技术广泛应用于通信、教育、安防等领域。目前,在限定环境下,人脸识别技术相对成熟。但在非限定环境下,人脸图像往往存在光照变化、姿态变化和人脸信息缺失等非限定因素。非限定因素会造成人脸图像的特征损失、对准误差和局部混迭等问题,这影响了人脸识别技术的识别效果与应用范围。为降低光照、姿态变化对人脸识别效果的影响,本文利用中心对称局部二值模式(CS-LBP)对光照和姿态变化具有一定的抑制能力,提出了基于CS-LBP和深度信念网络(DBN)的人脸识别方法;为降低人脸图像信息缺失对人脸识别效果的影响,本文利用协同表示(CR)能够分离真实人脸图像和信息缺失产生的误差,提出了基于分块CR的人脸识别方法。1.基于CS-LBP和DBN的人脸识别方法(FRMCD)的研究。一方面,CS-LBP算子具有抑制像素点的亮度变化、降低编码耗时,抗噪声能力强的特点;另一方面,DBN具有自动学习图像抽象信息、主动因素干预小的特点。因此,本文提出了应用CS-LBP人脸图像局部信息,并采用DBN进行学习分类的人脸识别方法。在此基础之上,使用叁个通用的具有姿态变化,光照变化情况的人脸库,即ORL、Extend Yale B及CMU-PIE人脸库,进行实验,验证本方法的有效性。实验结果表明,在光照变化、姿态变化的人脸识别时,FRMCD识别效果好;当训练样本不足时,FRMCD优势更显着;与基于LBP-DBN的人脸识别方法相比,耗时有大幅降低。2.基于分块协同表示的人脸识别方法(FRAPCR)的研究。本文采用CR将原图像与缺失信息分离,可有效降低缺失信息图人脸识别结果的影响;各个子块获得协同误差进行分类,用统计的方式完成最后类别标签的确定,可有效的降低一个或多个子块特征求得的最小协同误差较大的无效分类对整张图像分类结果产生的影响。在此基础之上,使用ORL、Extend Yale B及存在遮挡图像的AR人脸库,针对人脸图像存在部分信息缺失(像素信息缺失、腐蚀块和遮挡)的情况,进行实验,验证本方法的有效性。实验结果表明,FRAPCR在人脸图像存在部分信息缺失时,识别率高,识别效果稳定。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
薛同来,赵冬晖,张华方,郭玉,刘旭春[8]（2019）在《基于Python的深度学习人脸识别方法》一文中研究指出得益于计算机硬件技术的进步以及软件算法的不断改进,近些年来人工智能技术得到了前所未有的发展,基于深度学习的人脸识别技术也已经得到了广泛的应用,特别是在安保、金融等需要安全系数较高的领域。提出了一种基于机器学习并利用Python编程语言和第叁方Open Cv库实现的脸识别跟踪方法。(本文来源于《工业控制计算机》期刊2019年02期）
樊迪,Hyunwoo,Kim,陈晓鹏,刘云辉,黄强[9]（2019）在《机器仿生眼的多任务学习人脸分析》一文中研究指出智能机器人中人机交互的性能至关重要,人脸分析可以使人机交互变得更友善.文中提出可以同时进行笑容识别和性别分类的多任务学习卷积神经网络,同时学习存在内在相关性的任务,提升单个任务的性能.在Celeb A数据集的测试集上,文中网络在笑容识别任务和性别分类任务中均获取较高准确率.在设计的机器仿生眼上验证文中模型,获得良好的笑容识别效果和性别分类效果.文中对人脸分析进行的研究可以提升与机器仿生眼人机交互的能力.(本文来源于《模式识别与人工智能》期刊2019年01期）
陈章斌[10]（2018）在《基于深度学习人脸识别技术在高校课堂点名中的设计及实现》一文中研究指出深度学习是目前人工智能领域采用的最先进的的AI学习方法之一,并在各个相关领域都取得了飞速的发展,尤其是在人脸识别领域的应用.深度学习是模拟人类视觉感知神经系统的认知学习,能够获得更具表征力的高层特征,可以用来解决人脸识别中面部变化分布,详细了解人脸图像规律,学习速度快.文章介绍了深度学习方法,人脸识别的核心技术等,分析研究了人脸深度学习技术在高校课堂点名中的应用.(本文来源于《兰州文理学院学报(自然科学版)》期刊2018年06期）
学习人论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前,基于深度学习的应用越来越广泛,但是深度学习易受到人为细微扰动的对抗攻击.针对精度和安全要求较高的人脸识别深度模型,通过研究其在对抗攻击下的脆弱性,有助于进一步提出相应防御策略来提高模型鲁棒性.本文针对基于深度学习的黑盒人脸识别系统,利用生物面部配件(如眼镜框)约束对抗扰动区域,通过粒子群优化(PSO)策略生成对抗配件,攻击人脸识别模型.本文实现了针对最新人脸识别框架Face Net的对抗攻击,取得了较好的攻击效果.最后利用对抗训练进行了防御测试,验证了该方法能提高模型鲁棒性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
学习人论文参考文献
[1].左国才,韩东初,苏秀芝,王海东,吴小平.基于深度学习人脸识别技术的课堂行为分析评测系统研究[J].智能计算机与应用.2019
[2].陈晋音,周嘉俊,沈诗婧,郑海斌,宣琦.深度学习人脸识别系统的对抗攻击算法研究[J].小型微型计算机系统.2019
[3].汤双霞.基于深度学习人脸识别技术在高校学堂分析设计及实现[J].物联网技术.2019
[4].刘勇.基于分类思想的深度学习人脸美丽回归预测层设计[J].现代计算机.2019
[5].吴成业.一材多用,深度学习——人教版《分数的初步认识》课例研究[J].内蒙古教育.2019
[6].陈延英.学习人景合一感受异国风情[N].语言文字报.2019
[7].殷欣.基于改进的机器学习人脸识别算法研究[D].哈尔滨理工大学.2019
[8].薛同来,赵冬晖,张华方,郭玉,刘旭春.基于Python的深度学习人脸识别方法[J].工业控制计算机.2019
[9].樊迪,Hyunwoo,Kim,陈晓鹏,刘云辉,黄强.机器仿生眼的多任务学习人脸分析[J].模式识别与人工智能.2019
[10].陈章斌.基于深度学习人脸识别技术在高校课堂点名中的设计及实现[J].兰州文理学院学报(自然科学版).2018
标签：深度学习; 人脸识别; 课堂行为分析评测系统;