論文の概要: Class Attendance System in Education with Deep Learning Method
- arxiv url: http://arxiv.org/abs/2309.13317v1
- Date: Sat, 23 Sep 2023 09:22:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 20:44:32.509068
- Title: Class Attendance System in Education with Deep Learning Method
- Title（参考訳）: 深層学習法を用いた教育における授業参加システム
- Authors: H\"udaverdi Demir, Serkan Sava\c{s}
- Abstract要約: 顔認識プロセスは画像処理の分野でも研究されている。
この研究では、AIのサブブランチの1つであるディープラーニング手法が用いられた。
実生活問題への本研究の適用は,2022～2023年度に決定された学校で行われる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advancing technology, the hardware gain of computers and the
increase in the processing capacity of processors have facilitated the
processing of instantaneous and real-time images. Face recognition processes
are also studies in the field of image processing. Facial recognition processes
are frequently used in security applications and commercial applications.
Especially in the last 20 years, the high performances of artificial
intelligence (AI) studies have contributed to the spread of these studies in
many different fields. Education is one of them. The potential and advantages
of using AI in education; can be grouped under three headings: student,
teacher, and institution. One of the institutional studies may be the security
of educational environments and the contribution of automation to education and
training processes. From this point of view, deep learning methods, one of the
sub-branches of AI, were used in this study. For object detection from images,
a pioneering study has been designed and successfully implemented to keep
records of students' entrance to the educational institution and to perform
class attendance with images taken from the camera using image processing
algorithms. The application of the study to real-life problems will be carried
out in a school determined in the 2022-2023 academic year.
- Abstract（参考訳）: 技術の進歩により、コンピュータのハードウェアのゲインとプロセッサの処理能力の増大により、瞬時およびリアルタイム画像の処理が容易になった。
顔認識プロセスは画像処理の分野でも研究されている。
顔認識プロセスは、セキュリティアプリケーションや商用アプリケーションで頻繁に使用される。
特に過去20年間、人工知能(AI)研究の高性能化は、これらの研究の様々な分野への普及に寄与してきた。
教育もその一つだ。
教育におけるAIの活用の可能性と利点は、学生、教師、教育機関の3つに分類される。
機関研究の1つは、教育環境の安全性と、教育と訓練プロセスへの自動化の貢献である。
この観点から、AIのサブブランチの一つであるディープラーニング手法が研究に用いられた。
画像からの物体検出のために,学生の教育機関への進入記録を保存し,画像処理アルゴリズムを用いてカメラから撮影した画像を用いて授業出席を行うための先駆的研究が考案され,成功した。
実生活問題への本研究の適用は,2022～2023年度に決定された学校で行われる。
関連論文リスト
- Understanding Student Acceptance, Trust, and Attitudes Toward AI-Generated Images for Educational Purposes [1.0878040851637998]
本研究は,AI生成画像に対する学生の受容,信頼,肯定的な態度を教育課題として評価する。
その結果、使いやすさと潜在的学術的利益を重んじる学生の間では、高い受け入れ、信頼、肯定的な態度が示された。
これらの知見は、倫理的考察と知的財産問題に対処する包括的ガイドラインの策定の必要性を示唆している。
論文 参考訳（メタデータ） (2024-11-24T04:39:48Z) - Proactive and Reactive Engagement of Artificial Intelligence Methods for
Education: A Review [2.2843885788439793]
我々は,人工知能,機械学習,深層学習が,学生,教育者,行政スタッフを支援するためにどのように利用されているかを検討する。
教育過程におけるAI駆動手法の関与について考察する。
論文 参考訳（メタデータ） (2023-01-23T02:47:36Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳（メタデータ） (2022-11-27T13:07:14Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳（メタデータ） (2022-04-05T12:19:24Z) - Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review [0.0]
シングルボードコンピュータ(Single-Board Computers, SBCs)は、工学と計算機科学において、技術と教育の両面において、より頻繁に採用されている。
この体系的な文献レビューは、SBCがエンジニアリングとコンピュータ科学にどのように使われているかについて考察する。
論文 参考訳（メタデータ） (2022-03-30T18:34:03Z) - Real-time Attention Span Tracking in Online Education [0.0]
本稿では,オンライン授業中の学生のリアルタイムの注意レベルを監視するために,カメラフィードとマイクロホン入力を利用するメカニズムを提案する。
我々は,5つの異なる非言語的特徴を用いて,コンピュータによるタスク中の学生の注意スコアを計算し,学生と組織の両方に対してリアルタイムのフィードバックを生成するシステムを提案する。
論文 参考訳（メタデータ） (2021-11-29T17:05:59Z) - Computer Vision for Supporting Image Search [2.18624447693809]
トレーニングに利用可能な膨大なデータのメリットを活用しており、膨大なコンピュータ処理が利用可能であり、マシンラーニングの進化をデータ処理と正確な視覚ベースのシステム提供のための一連のテクニックとして見てきました。
我々はこれを、自動運転車のナビゲーションやセキュリティアプリケーション、例えばCCTVの検索、医療診断のための医療画像解析に利用しています。
ユーザによる画像検索やビデオ検索が普及しないアプリケーションのひとつとして,人間の記憶を調べたり,失敗したりすることで,そのような画像検索や再検索の必要性が指摘され,画像検索に対する別のアプローチの必要性が浮き彫りにされている。
論文 参考訳（メタデータ） (2021-11-16T20:50:32Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - A Review of Uncertainty Quantification in Deep Learning: Techniques,
Applications and Challenges [76.20963684020145]
不確実性定量化(UQ)は、最適化と意思決定プロセスの両方において不確実性の低減に重要な役割を果たしている。
ビザレ近似とアンサンブル学習技術は、文学において最も広く使われている2つのUQ手法である。
本研究は, 深層学習におけるUQ手法の最近の進歩を概観し, 強化学習におけるこれらの手法の適用について検討する。
論文 参考訳（メタデータ） (2020-11-12T06:41:05Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳（メタデータ） (2020-03-11T08:25:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。