一种基于深度学习的课堂信息化评价及管理的系统及方法

    公开(公告)号:CN111275345B

    公开(公告)日:2023-08-08

    申请号:CN202010074080.0

    申请日:2020-01-22

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于深度学习的课堂信息化评价及管理的系统及方法,包括边缘计算模块、服务器和客户端,所述边缘计算模块包括摄像头和开发板,所述摄像头采集和传输教室不同区域的坐标数据以及课堂上学生的静态图像和实时图像,所述开发板对接收到的数据进行分析得到人脸图像和不同动作的识别结果和识别时间,并以文档形式传输给服务器,所述服务器分析统计接收到的人脸图像、识别结果和识别时间文档得到考勤结果、课堂环节丰富程度指标,并根据考勤结果得到出勤率指标,并根据课堂环节丰富程度指标和出勤率指标得到最终的课堂质量评价结果,本发明自动进行课堂信息化评价及管理,评价结果客观、高效。

    稀疏量化神经网络编码模式识别方法与系统

    公开(公告)号:CN111460905A

    公开(公告)日:2020-07-28

    申请号:CN202010148404.0

    申请日:2020-03-05

    Applicant: 重庆大学

    Abstract: 本发明涉及一种稀疏量化神经网络编码模式识别方法与系统,属于神经网络技术领域。该系统包括CPU、直接存储器访问DMA、串口、总线、控制器、片上内存和神经网络加速器;CPU控制整个计算进程的运行,串口用于接收数据,DMA用于调度输入数据的传输,总线用于传输控制命令和数据;神经网络加速器包括计算阵列与输入帧缓存和输出帧缓存,用于实现数据缓冲和数据复用;输入帧缓存用于抓取每次卷积需要的数据,并将数据进行重新排列;计算阵列用于实现神经网络内部的计算,每个计算阵列包括多个计算单元,每个计算单元实现稀疏量化神经网络中一个宏模块所有计算。本发明中比常规的和其他数据驱动的激活压缩方法更强大,具有更强的鲁棒性。

    一种基于集成学习的脉冲神经网络模式识别方法及系统

    公开(公告)号:CN111460906A

    公开(公告)日:2020-07-28

    申请号:CN202010148406.X

    申请日:2020-03-05

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于集成学习的脉冲神经网络模式识别方法及系统,属于类脑计算领域。该方法包括以下步骤:S1:建立二元SNN算法模型;S2:基于Bagging的ESNN算法模型;S3:设计基于ESNN的系统。采用基于数据流的全流水近存计算架构,输入数据经流所有的脉冲神经网络流水线,所有内存访问发生在片内且参数读取与数据严格同步。本发明通过Ensemble Learning可以有效的解决二元SNN模型性能差的固有缺陷,满足了绝大部分类脑智能计算应用的高模型性能需求。

    一种基于深度学习的课堂信息化评价及管理的系统及方法

    公开(公告)号:CN111275345A

    公开(公告)日:2020-06-12

    申请号:CN202010074080.0

    申请日:2020-01-22

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于深度学习的课堂信息化评价及管理的系统及方法,包括边缘计算模块、服务器和客户端,所述边缘计算模块包括摄像头和开发板,所述摄像头采集和传输教室不同区域的坐标数据以及课堂上学生的静态图像和实时图像,所述开发板对接收到的数据进行分析得到人脸图像和不同动作的识别结果和识别时间,并以文档形式传输给服务器,所述服务器分析统计接收到的人脸图像、识别结果和识别时间文档得到考勤结果、课堂环节丰富程度指标、课堂氛围指标,并根据考勤结果得到出勤率指标,并根据课堂环节丰富程度指标、课堂氛围指标和出勤率指标得到最终的课堂质量评价结果,本发明自动进行课堂信息化评价及管理,评价结果客观、高效。

Patent Agency Ranking