Fugu-MT 論文翻訳(概要): ClassVision: AI-Powered Classroom Attendance System

論文の概要: ClassVision: AI-Powered Classroom Attendance System

arxiv url: http://arxiv.org/abs/2608.26173v1
Date: Fri, 24 Jul 2026 02:18:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-31 05:49:59.25261
Title: ClassVision: AI-Powered Classroom Attendance System
Title（参考訳）: クラスビジョン:AIを利用したクラスルームの出席システム
Abstract要約: 本研究では、顔検出(FD)と顔認識(FR)技術を用いて、出席プロセスの自動化について検討する。本稿では,ヒューマン・コンピュータ・インタラクション(HCI)とユーザフレンドリーなWebインターフェースを備えた自動出席システムを提案する。
参考スコア（独自算出の注目度）: 5.628958216121256
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Students and working professionals have to go through the attendance process every day. Traditional methods of marking attendance using pen and paper or online platforms are human-intensive and time-consuming. To address the challenges in manual attendance processes, this research explores the use of face detection (FD) and face recognition (FR) technology to automate the attendance process, particularly in educational settings, and build a ClassVision course attendance system. We also propose an automated attendance system featuring a human-computer interaction (HCI) and user-friendly web interface that utilizes real-time image processing to identify and recognize students in classrooms and automatically record their attendance. We identified RetinaFace as the best face detection model, and when combined with Face Recognition for verification, it provided the most promising results with a cropped embedding of 50x50 pixels.
Abstract（参考訳）: 学生や労働者は毎日、出席手続きを経なければならない。ペンや紙やオンラインのプラットフォームを使って出席をマークする伝統的な手法は、人間集約的で時間を要する。本研究は,手動受講プロセスにおける課題に対処するため,特に教育現場における受講プロセスの自動化を目的とした顔検出(FD)と顔認識(FR)技術の利用,および授業受講システムの構築について検討する。また,HCI(Human-Computer Interaction)とユーザフレンドリーなWebインターフェースを備えた自動出席システムを提案する。我々は、RetinaFaceを最高の顔検出モデルとし、検証のためにFace Recognitionと組み合わせることで、50x50ピクセルのトリミングを施した最も有望な結果を得た。

関連論文リスト

Safeguarding Privacy: Privacy-Preserving Detection of Mind Wandering and Disengagement Using Federated Learning in Online Education [53.25191965774678]
遠隔学習における行動・認知障害の相違に対処するために,デバイス間フェデレーション学習を利用したフレームワークを提案する。顔の表情と視線特徴を用いた映像ベース認知解離検出モデルに適合する。以上の結果から,学習者のエンゲージメントを促進するプライバシー保護教育技術への大きな期待が示された。
論文参考訳（メタデータ） (2026-02-10T15:40:01Z)
Integrating Attendance Tracking and Emotion Detection for Enhanced Student Engagement in Smart Classrooms [0.6749750044497732]
本稿では,自動出席追跡と顔の感情認識を統合し,教室での参加監視を支援するIoTシステムを提案する。このシステムは、顔検出にRaspberry PiカメラとOpenCVを使用し、微調整されたMobileNetV2モデルを使用して、4つの学習関連感情状態(エンゲージメント、退屈、混乱、フラストレーション)を分類する。その結果, 参加者データと感情分析を組み合わせることで, 教師は教室のダイナミクスに関するさらなる洞察を得ることができ, より応答性の高い授業実践を支援することができた。
論文参考訳（メタデータ） (2026-01-12T22:38:25Z)
LAFS: Landmark-based Facial Self-supervised Learning for Face Recognition [37.4550614524874]
我々は、効果的な顔認識モデルの訓練に適応できる顔表現の学習に焦点をあてる。本研究では,自己教師付き事前学習による未ラベル顔画像の学習戦略について検討する。提案手法は,複数の顔認識ベンチマークにおける最先端技術よりも大幅に向上する。
論文参考訳（メタデータ） (2024-03-13T01:07:55Z)
Contrastive Learning of Person-independent Representations for Facial Action Unit Detection [70.60587475492065]
自己教師型AU表現学習信号を2次元で定式化する。ビデオクリップ内でAU表現を学習し、個人に依存しない表現を学習するためのクロスアイデンティティ再構築機構を考案する。提案手法は,他のコントラスト学習手法よりも優れており,自己教師と教師付きAU検出手法間の性能ギャップを著しく短縮する。
論文参考訳（メタデータ） (2024-03-06T01:49:28Z)
An Exploratory Study of Masked Face Recognition with Machine Learning Algorithms [0.0]
新型コロナウイルス(COVID-19)のパンデミックで、マスクの使用は私たちの日常生活にとって重要になっている。顔認識におけるマスク着用の効果は、まだ未検討の課題である。我々は, SVC, KNN, LDA, DT, LR, NBの6つの従来の機械学習アルゴリズムを用いて, 最高性能の機械学習アルゴリズムを探索する。
論文参考訳（メタデータ） (2023-06-14T14:50:23Z)
AttenFace: A Real Time Attendance System using Face Recognition [0.2538209532048866]
AttenFaceは、顔認識を使ってリアルタイムで参加者を分析し、追跡し、承認するシステムである。このシステムは,授業期間中に撮影された複数のスナップショットから,生徒を識別し,その存在をクラス内の存在としてマークする。 AttenFaceは、教育機関における顔認識機能を備えた出席者のための、初めてのワンストップソリューションだ。
論文参考訳（メタデータ） (2022-11-14T18:09:00Z)
iExam: A Novel Online Exam Monitoring and Analysis System Based on Face Detection and Recognition [33.277633053428396]
iExamはインテリジェントなオンライン試験監視および分析システムである。リアルタイムの学生識別において、顔検出を補助するだけでなく、一般的な異常行動を検出することもできる。評価の結果,iExamの精度は90.4%,リアルタイム顔検出では90.4%,後顔認識では98.4%であった。
論文参考訳（メタデータ） (2022-06-27T15:03:25Z)
Muscle Vision: Real Time Keypoint Based Pose Classification of Physical Exercises [52.77024349608834]
ビデオから外挿された3D人間のポーズ認識は、リアルタイムソフトウェアアプリケーションを可能にするまで進歩した。本稿では,ライブビデオフィード上で人間のポーズ認識を行う新しい機械学習パイプラインとWebインターフェースを提案する。
論文参考訳（メタデータ） (2022-03-23T00:55:07Z)
ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning [91.58711082348293]
オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
論文参考訳（メタデータ） (2022-02-05T02:01:19Z)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)
Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。