Online təhsildə iştirak qiymətləndirməsinin və fərdi müdaxilələrin yaxşılaşdırılması üçün tələbələrin öyrənmə vəziyyətlərinin real vaxtlı monitorinqi vacibdir. Bununla birlikdə, mövcud yanaşmalar tez-tez hesablama intensiv üz ifadələri analizisinə, baxış təxmininə və ya multimodal davranış tanınmasına əsaslanır və resurslara məhdud olan öyrənmə mühitlərində tətbiqini məhdudlaşdırır. Bu problemlərə cavab vermək üçün bu araşdırma yuxu hissəsini aşkar etmək və ekran məsafəsinin qiymətləndirilməsinə əsaslanan yüngül öyrənmə davranışının monitorinq çərçivəsini təklif edir. YOLO26-P2-CBAM adlanan təkmilləşdirilmiş obyekt aşkarlama modeli, yüksək qətnaməli P2 aşkarlama başlığı, Konvolutional Block Attention Module (CBAM) və Wise-IoU (WIoU) itkisi funksiyasını YOLO26 memarlığına inteqrasiya edərək inkişaf etdirilmişdir. Tədbirdə təklif olunan model kiçik hədəflərin qəbulunu artırır və mürəkkəb öyrənmə şəraitində möhkəmliyi artırır. Bu modelə əsasən, veb-kamera video axınları istifadə edərək real vaxtda qınamaq aşkarlanması və ekran-göz məsafəsinin təxmin edilməsi üçün bir brauzerserver əməkdaş monitorinq sistemi tətbiq olunur. Bundan əlavə, bir çox istifadəçi ssenariyasında hesablama səmərəliliyinin artırılması üçün paralel emal və partiya nəticə strategiyaları tətbiq olunur. SCB-dəki ictimai məlumat dəstində və ağıldan çıxma aşkarlanması və ekran məsafəsinin təxmin edilməsi üçün iki öz-özünə qurulmuş məlumat dəstində təcrübələr aparılıb. Tədbir edilən model SCB-dəki məlumat dəstində 63,2% mAP@0,5 əldə edib, YOLO26 əsas xəttini 4,2% xal keçirib, eyni zamanda bütün qiymətləndirilmiş metodlar arasında ən yüksək dəqiqlik (62,2%) və F1 balını (60,9%) əldə edib və bu da aşkarlama dəqiqliyi və hədəf əhatə dairəsi arasında daha yaxşı balans göstərir. Öz-özünə qurulmuş yawning məlumat dəstində, [email protected] 86,8% -ə çatdı, ekran məsafəsinin təxmin edilməsi isə orta mütləq səhv 2,12 sm -ə çatdı. Orta nəticə vaxtı, real vaxtda tətbiq tələblərini ödəyən hər bir çərçivədə təxminən 12,5 ms idi. Bu nəticələr təklif olunan çərçivənin onlayn təhsildə aqıllı öyrənmə vəziyyətinin monitorinqinə effektiv və tətbiq edilə bilən bir həll yoludur.
Bu tədqiqat qismən Grant BKY202406 ilə Doktorluq Tədqiqat Layihəsi, qismən Grant 2021011076 ilə Langfang Bələdiyyə Elm və Texnologiya Bürosu Layihəsi və Şimali Çin Hava Kosmik Mühəndisliyi İnstitutunun Təhsil Tədqiqat və İslahat Layihəsi ilə Grand JY2025050 ilə maliyyələşdirildi.
Kompüter Elmləri Məktəbi, Material Mühəndisliyi Məktəbi, Şimali Çin Aerokosmik Mühəndislik İnstitutunun No. 133 Aimin Şərq Yol, Langfang, 065000, Çin
Lijuan Diao, Wei Wu, Haozhe Lang, Jichao Li & Haibo Zhao
Müəlliflər heç bir rəqabət maraqlarının olmadığını bəyan edirlər.
Springer Nature nəşr olunan xəritələrdə və qurumların əlaqələrində yurisdiksiya iddiaları ilə bağlı neytral olaraq qalır.
Xülasə — davamını mənbədə oxuyun.
