-
公开(公告)号：CN120088695A
公开(公告)日：2025-06-03
申请号：CN202411941417.8
申请日：2024-12-26
Applicant: 北京师范大学珠海校区
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明提供引入外部知识特征的弱监督时间动作定位方法及装置，方法包括：将待识别视频进行切分，得到多个视频片段，将视频片段输入至动作定位模型的特征提取模块中以对视频片段进行特征提取，得到片段特征；将片段特征输入至动作定位模型的注意力模块，得到各个片段特征的初始注意力特征；对视频片段中的关键帧进行对象识别，得到关键帧中的对象识别结果，基于对象识别结果得到外部知识特征，外部知识特征为基于动作定位模型之外的知识；基于外部知识特征和初始注意力特征，得到目标注意力特征，将目标注意力特征输入至动作定位模型中的分类模块，获取分类模块输出的待识别视频的动作定位结果。本发明可以提高弱监督时间动作定位的准确性。
-
公开(公告)号：CN117994864A
公开(公告)日：2024-05-07
申请号：CN202410399294.3
申请日：2024-04-03
Applicant: 北京师范大学珠海校区
IPC: G06V40/20 , G06Q50/20 , G06T7/246 , G06V10/44 , G06V10/764
Abstract: 本发明提供一种中学生物实验操作测评方法、装置、电子设备及存储介质，属于计算机视觉技术领域，所述方法包括：对待检测视频进行特征提取，得到视频特征；将视频特征输入至时序动作检测模型，得到包括预测操作动作起止时间视频片段和动作类别的时序检测结果；将多个视频片段分别输入至目标检测模型，得到包括实验器材检测框和实验器材名称的目标检测结果；基于目标检测结果，确定实验器材的运动情况，进而确定实验操作得分。将时序动作检测应用到实验测评中，对视频中的动态场景进行建模，从而捕捉到人物动作的时间依赖性；结合时序动作检测和目标检测技术，不仅能够识别视频中的实验器材，还能够追踪其运动，从而提高行为分类的准确性。
-
公开(公告)号：CN117994101A
公开(公告)日：2024-05-07
申请号：CN202410399307.7
申请日：2024-04-03
Applicant: 北京师范大学珠海校区
IPC: G06Q50/20 , G06F16/903
Abstract: 本发明提供一种基于大语言模型的教学设计生成方法及装置，属于机器学习技术领域，所述方法包括：使用初步生成模型生成基础文案；基于基础文案，对学科资料知识库进行检索，得到检索内容，学科资料知识库是基础文案对应的学科的知识库，检索内容包括多项教学内容；基于检索内容，使用表达对齐模型进行润色，得到润色内容，表达对齐模型是适用于学科的大语言模型，润色内容包括多项润色后的教学内容；基于预置评分标准，从润色内容中筛选出优质教学内容；基于优质教学内容，生成教学设计。本发明提供的教学设计生成方法、装置、电子设备及存储介质，降低教学设计编写的人力成本和时间成本。
-
公开(公告)号：CN117351575A
公开(公告)日：2024-01-05
申请号：CN202311650373.9
申请日：2023-12-05
Applicant: 北京师范大学珠海校区
IPC: G06V40/20 , G06N3/0464 , G06V10/20 , G06V10/82 , G06V20/00
Abstract: 本发明提供一种基于文生图数据增强模型的非言语行为识别方法和装置，涉及人工智能教育应用技术领域，所述方法包括：获取待识别的原始图像，将所述待识别的原始图像输入至预先训练的文生图数据增强模型，输出待识别的全课堂教学场景图；其中，所述文生图数据增强模型包括稳定扩散子模型和控制网络子模型；将所述待识别的原始图像和所述待识别的全课堂教学场景图作为原始数据集，将所述原始数据集输入至预先训练的非言语行为识别模型，输出识别到的非言语行为；其中，所述非言语行为识别模型是基于历史原始图像以及历史全课堂教学场景图对卷积神经网络进行训练得到的。通过本发明提供的方法，保证非言语行为识别准确率高。
-
公开(公告)号：CN119377342B
公开(公告)日：2025-03-28
申请号：CN202411943181.1
申请日：2024-12-27
Applicant: 北京师范大学珠海校区
Abstract: 本发明提供一种教学互动内容生成方法、装置、设备及计算机程序产品，涉及计算机技术领域，方法包括：根据在先获取的教学目标信息，得到教学预测背景；根据教学预测背景，得到至少一个教学预测内容，教学预测内容包括教学预测任务及教学预测任务对应的问题预测链，问题预测链是基于教学预测任务对应预测得到的至少一个预测问题构建得到的；根据问题预测链，查找在先构建的知识库，得到与问题预测链匹配的目标问答链；利用与问题预测链匹配的问答链，对问题预测链进行替换，得到对应教学更新内容；根据教学更新内容，识别教学更新内容中各教学预测任务与对应问答链之间的任务关联，得到教学互动内容。本发明能够确保教学互动内容的合理性。
-
Patent Agency Ranking
公开(公告)号：CN117994101B
公开(公告)日：2024-07-12
申请号：CN202410399307.7
申请日：2024-04-03
Applicant: 北京师范大学珠海校区
IPC: G06Q50/20 , G06F16/903
Abstract: 本发明提供一种基于大语言模型的教学设计生成方法及装置，属于机器学习技术领域，所述方法包括：使用初步生成模型生成基础文案；基于基础文案，对学科资料知识库进行检索，得到检索内容，学科资料知识库是基础文案对应的学科的知识库，检索内容包括多项教学内容；基于检索内容，使用表达对齐模型进行润色，得到润色内容，表达对齐模型是适用于学科的大语言模型，润色内容包括多项润色后的教学内容；基于预置评分标准，从润色内容中筛选出优质教学内容；基于优质教学内容，生成教学设计。本发明提供的教学设计生成方法、装置、电子设备及存储介质，降低教学设计编写的人力成本和时间成本。
-
公开(公告)号：CN117391902B
公开(公告)日：2024-04-26
申请号：CN202311707772.4
申请日：2023-12-13
Applicant: 北京师范大学珠海校区
Abstract: 本发明提供一种基于大语言模型的语文核心素养教育的评价方法和装置，涉及大数据处理技术领域，方法包括：获取教学语言文本数据；将教学语言文本数据输入至预先训练的语文核心素养教育评价模型，输出教学语言文本数据对应的编码结果；基于编码结果进行分析，得到面向语文核心素养的教学语言评价结果；其中，语文核心素养教育评价模型是基于拓展标注数据集进行训练得到，拓展标注数据集是基于初始标注数据集进行数据增强得到，初始标注数据集是基于预先构造的编码评价体系对历史教学语言文本数据进行编码得到；编码评价体系对历史教学语言文本数据编码，以对历史教学语言多维度评价。通过本发明提供的方法，得到面向语文核心素养的评价，效率高。
-
公开(公告)号：CN117391902A
公开(公告)日：2024-01-12
申请号：CN202311707772.4
申请日：2023-12-13
Applicant: 北京师范大学珠海校区
Abstract: 本发明提供一种基于大语言模型的语文核心素养教育的评价方法和装置，涉及大数据处理技术领域，方法包括：获取教学语言文本数据；将教学语言文本数据输入至预先训练的语文核心素养教育评价模型，输出教学语言文本数据对应的编码结果；基于编码结果进行分析，得到面向语文核心素养的教学语言评价结果；其中，语文核心素养教育评价模型是基于拓展标注数据集进行训练得到，拓展标注数据集是基于初始标注数据集进行数据增强得到，初始标注数据集是基于预先构造的编码评价体系对历史教学语言文本数据进行编码得到；编码评价体系对历史教学语言文本数据编码，以对历史教学语言多维度评价。通过本发明提供的方法，得到面向语文核心素养的评价，效率高。
-
公开(公告)号：CN117351575B
公开(公告)日：2024-02-27
申请号：CN202311650373.9
申请日：2023-12-05
Applicant: 北京师范大学珠海校区
IPC: G06V40/20 , G06N3/0464 , G06V10/20 , G06V10/82 , G06V20/00
Abstract: 本发明提供一种基于文生图数据增强模型的非言语行为识别方法和装置，涉及人工智能教育应用技术领域，所述方法包括：获取待识别的原始图像，将所述待识别的原始图像输入至预先训练的文生图数据增强模型，输出待识别的全课堂教学场景图；其中，所述文生图数据增强模型包括稳定扩散子模型和控制网络子模型；将所述待识别的原始图像和所述待识别的全课堂教学场景图作为原始数据集，将所述原始数据集输入至预先训练的非言语行为识别模型，输出识别到的非言语行为；其中，所述非言语行为识别模型是基于历史原始图像以及历史全课堂教学场景图对卷积神经网络进行训练得到的。通过本发明提供的方法，保证非言语行为识别准确率高。
-
公开(公告)号：CN119919849A
公开(公告)日：2025-05-02
申请号：CN202411870375.3
申请日：2024-12-18
Applicant: 北京师范大学珠海校区
IPC: G06V20/40 , G06V40/20 , G06V10/80 , G06V10/82 , G06V10/764 , G06Q50/20 , G06N5/04 , G06N3/0442 , G06N3/0499 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于因果推理的课堂交互行为识别方法以及系统，其中，上述方法包括：获取用户输入的交互视频，其中，交互视频包括：在课堂场景下的个体行为，个体行为包括：教师行为以及学生行为；将交互视频输入至课堂交互行为识别模型，得到课堂交互行为识别模型输出的交互序列的识别结果以及个体行为的识别结果；交互序列用于表示教师行为与学生行为之间的交替模式或互动模式；其中，课堂交互行为识别模型是基于交互视频样本、交互视频样本对应的交互序列的真实类别标签以及交互视频样本对应的个体行为的真实类别标签训练得到的；通过本发明能够捕捉一个课堂交互事件中连续发生的各种行为，展现了互动的动态性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.056 seconds)
