弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存...弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存在主观因素导致的虚假反馈、反馈不够及时、数据度量关系难以衡量等局限性。在这种情况下,脑电图(electroencephalogram,EEG)因具有无法伪装、高时间分辨率、数据更具统计学意义等优势,已经初步应用于视听刺激的主观评估。结合以上优势,本文提出将EEG突破性地应用于弹幕视频的QoE评估。本研究基于相锁值构建了功能连接特征脑网络,提取了高/低两种QoE水平下的成对差异网络,并基于该网络通过机器学习方法构建评估模型。该评估模型平均分类准确率达到80%,揭示了对于不同类型视频用户产生不同QoE时大脑区域协作的变化模式,并提出与QoE高度相关的额叶为主要会聚区域。以上研究结果表明,该评估模型能真实记录用户观看视频时的生理和心理活动,研究结果为改善弹幕视频服务提供了神经生理学依据。展开更多
根据课堂教学场景设计了三维卷积神经网络(3D-convolutional neural network,3D-CNN),以动态性为主要特征,对教师进行课堂行为识别;提出了经过改进损失函数的YOLO-v5(you only look once version 5th)模型,并以多目标为主要特征,对学生...根据课堂教学场景设计了三维卷积神经网络(3D-convolutional neural network,3D-CNN),以动态性为主要特征,对教师进行课堂行为识别;提出了经过改进损失函数的YOLO-v5(you only look once version 5th)模型,并以多目标为主要特征,对学生进行课堂行为识别.2种模型均取得了较好的识别结果.为验证所选用模型的有效性,在所标注课堂行为数据集上进行了模型性能对比试验.试验结果表明:所选用模型在教育场景下课堂行为识别工作中展现了较好的性能;课堂行为的精准识别能够帮助教师和学生了解课堂学情,有助于推动智慧课堂的发展.展开更多
文摘弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存在主观因素导致的虚假反馈、反馈不够及时、数据度量关系难以衡量等局限性。在这种情况下,脑电图(electroencephalogram,EEG)因具有无法伪装、高时间分辨率、数据更具统计学意义等优势,已经初步应用于视听刺激的主观评估。结合以上优势,本文提出将EEG突破性地应用于弹幕视频的QoE评估。本研究基于相锁值构建了功能连接特征脑网络,提取了高/低两种QoE水平下的成对差异网络,并基于该网络通过机器学习方法构建评估模型。该评估模型平均分类准确率达到80%,揭示了对于不同类型视频用户产生不同QoE时大脑区域协作的变化模式,并提出与QoE高度相关的额叶为主要会聚区域。以上研究结果表明,该评估模型能真实记录用户观看视频时的生理和心理活动,研究结果为改善弹幕视频服务提供了神经生理学依据。
文摘根据课堂教学场景设计了三维卷积神经网络(3D-convolutional neural network,3D-CNN),以动态性为主要特征,对教师进行课堂行为识别;提出了经过改进损失函数的YOLO-v5(you only look once version 5th)模型,并以多目标为主要特征,对学生进行课堂行为识别.2种模型均取得了较好的识别结果.为验证所选用模型的有效性,在所标注课堂行为数据集上进行了模型性能对比试验.试验结果表明:所选用模型在教育场景下课堂行为识别工作中展现了较好的性能;课堂行为的精准识别能够帮助教师和学生了解课堂学情,有助于推动智慧课堂的发展.
