CN116757646A - 一种教学综合管理系统 - Google Patents
一种教学综合管理系统 Download PDFInfo
- Publication number
- CN116757646A CN116757646A CN202311025755.2A CN202311025755A CN116757646A CN 116757646 A CN116757646 A CN 116757646A CN 202311025755 A CN202311025755 A CN 202311025755A CN 116757646 A CN116757646 A CN 116757646A
- Authority
- CN
- China
- Prior art keywords
- data
- face image
- audio data
- student face
- management system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种教学综合管理系统,属于数据处理技术领域,包括身份验证单元、课程匹配单元、数据获取单元和数据上传单元;身份验证单元基于学生脸部图像进行身份验证;课程匹配单元用于为身份验证通过的学生匹配课程信息;数据获取单元用于生成标准发言音频数据和标准文本数据;数据上传单元用于将标准发言音频数据和标准文本数据上传至数据库中,进行存储。该教学综合管理系统采集学生在上课时的发言音频数据和文本数据,并对两种类型数据分别进行预处理,剔除数据中的噪声,并上传至数据库中,便于教师及时了解学生发言情况和笔记情况,提高管理系统的实用性,加强老师和学生之间的互动。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种教学综合管理系统。
背景技术
随着互联网教育的发展,人们对课程的要求越来越高。 现有的网上课程学习系统,大都是只是存在教学视频或者老师在线教学,不能及时获取学生的发言情况,而且不能及时反馈学生,同时教师在教学时存在的错误不能及时指出,缺乏学生与教师之间的联系,教学课程的监督效果较差,为此,本发明提出了一种教学综合管理系统,
发明内容
本发明为了解决上述问题,提出了一种教学综合管理系统。
本发明的技术方案是:一种教学综合管理系统包括身份验证单元、课程匹配单元、数据获取单元和数据上传单元;
身份验证单元用于采集学生脸部图像,并基于学生脸部图像进行身份验证;
课程匹配单元用于为身份验证通过的学生匹配课程信息;
数据获取单元用于采集课程信息对应的实时发言音频数据和实时文本数据,并对实时发言音频数据和实时文本数据进行预处理,生成标准发言音频数据和标准文本数据;
数据上传单元用于将标准发言音频数据和标准文本数据上传至数据库中,进行存储。
进一步地,身份验证单元进行身份验证包括以下步骤:
A1、采集学生脸部图像,并对学生脸部图像进行小波变换,得到学生脸部图像的小波系数;
A2、提取小波变换后学生脸部图像中各个像素点的灰度等级;
A3、根据小波变换后学生脸部图像的小波系数和各个像素点的灰度等级,修正各个像素点的灰度值,得到修正学生脸部图像;
A4、计算修正学生脸部图像与数据库中各个预存学生脸部图像的验证相似度,若验证相似度大于或等于0.5,则身份验证通过,否则身份验证不通过。
进一步地,A3中,修正学生脸部图像中像素点的灰度值μ的计算公式为:
;
式中,α表示小波系数,M表示灰度等级级数,m表示像素点在M个灰度等级中的灰度级,log(·)表示对数运算。
进一步地,A4中,验证相似度s的计算公式为:
;
式中,Xk表示修正学生脸部图像中第k个像素点的横坐标,Yk表示修正学生脸部图像中第k个像素点的纵坐标,K表示修正学生脸部图像的像素点个数,x0表示预存学生脸部图像的质心所在像素点的横坐标,y0表示预存学生脸部图像的质心所在像素点的纵坐标,Lk表示修正学生脸部图像中第k个像素点的亮度值,μk表示修正学生脸部图像中第k个像素点的灰度值。
进一步地,数据获取单元生成标准发言音频数据包括以下步骤:
B1、对实时发言音频数据进行去噪处理,生成去噪发言音频数据;
B2、对去噪发言音频数据进行梅尔滤波处理,生成梅尔频谱图;
B3、根据梅尔频谱图对应的二维矩阵,生成去噪发言音频数据的梅尔系数;
B4、根据去噪发言音频数据的梅尔系数,生成标准发言音频数据。
进一步地,B3中,去噪发言音频数据的梅尔系数σ的计算公式为:
;
式中,exp(·)表示指数运算,A表示梅尔频谱图对应的二维矩阵,I表示单位矩阵,λ表示梅尔频谱图对应的二维矩阵的特征值。
进一步地,B4中,生成标准发言音频数据的具体方法为:提取去噪发言音频数据的采样频率,将去噪发言音频数据的采样频率与梅尔系数相乘,作为标准发言音频数据的采样频率,完成预处理。
进一步地,数据获取单元生成标准文本数据的具体方法为:构建文本处理模型,将实时文本数据输入至文本处理模型中,对实时文本数据进行预处理,生成标准文本数据。
进一步地,文本处理模型F的表达式为:
;
式中,G表示文本处理模型的卷积层数,Wg表示文本处理模型中第g层卷积层的输出,lg表示文本处理模型中第g层卷积层的卷积核权重参数,wg表示文本处理模型中第g层卷积层的卷积核权重参数的先验分布,θ表示文本处理模型的学习率,lg-1表示文本处理模型中第g-1层卷积层的卷积核的权重参数,wg-1表示文本处理模型中第g-1层卷积层的卷积核权重参数的先验分布。
本发明的有益效果是:
(1)该教学综合管理系统在数据处理前,通过图像对比对学生身份进行验证,既可以保证管理系统的安全性,又可以便于后续步骤直接为学生匹配课程信息;
(2)该教学综合管理系统采集学生在上课时的发言音频数据和文本数据,并对两种类型数据分别进行预处理,剔除数据中的噪声,并上传至数据库中,便于教师及时了解学生发言情况和笔记情况,提高管理系统的实用性,加强老师和学生之间的互动。
附图说明
图1为教学综合管理系统的结构图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种教学综合管理系统,包括身份验证单元、课程匹配单元、数据获取单元和数据上传单元;
身份验证单元用于采集学生脸部图像,并基于学生脸部图像进行身份验证;
课程匹配单元用于为身份验证通过的学生匹配课程信息;
数据获取单元用于采集课程信息对应的实时发言音频数据和实时文本数据,并对实时发言音频数据和实时文本数据进行预处理,生成标准发言音频数据和标准文本数据;
数据上传单元用于将标准发言音频数据和标准文本数据上传至数据库中,进行存储。
在本发明实施例中,身份验证单元进行身份验证包括以下步骤:
A1、采集学生脸部图像,并对学生脸部图像进行小波变换,得到学生脸部图像的小波系数;
A2、提取小波变换后学生脸部图像中各个像素点的灰度等级;
A3、根据小波变换后学生脸部图像的小波系数和各个像素点的灰度等级,修正各个像素点的灰度值,得到修正学生脸部图像;
A4、计算修正学生脸部图像与数据库中各个预存学生脸部图像的验证相似度,若验证相似度大于或等于0.5,则身份验证通过,否则身份验证不通过。
教学环境多处于室内,故环境噪声较大,所以本发明首先确定脸部图像的小波系数,再根据各个像素点所属灰度级和整体脸部图像的小波系数,对脸部图像进行灰度修正,可以提高脸部图像的对比度,使图像中的人脸轮廓更加明显立体,便于与预存的学生脸部图像进行对比,提高身份验证准确度。
在本发明实施例中,A3中,修正学生脸部图像中像素点的灰度值μ的计算公式为:
;
式中,α表示小波系数,M表示灰度等级级数,m表示像素点在M个灰度等级中的灰度级,log(·)表示对数运算。
在本发明实施例中,A4中,验证相似度s的计算公式为:
;
式中,Xk表示修正学生脸部图像中第k个像素点的横坐标,Yk表示修正学生脸部图像中第k个像素点的纵坐标,K表示修正学生脸部图像的像素点个数,x0表示预存学生脸部图像的质心所在像素点的横坐标,y0表示预存学生脸部图像的质心所在像素点的纵坐标,Lk表示修正学生脸部图像中第k个像素点的亮度值,μk表示修正学生脸部图像中第k个像素点的灰度值。
在本发明实施例中,数据获取单元生成标准发言音频数据包括以下步骤:
B1、对实时发言音频数据进行去噪处理,生成去噪发言音频数据;
B2、对去噪发言音频数据进行梅尔滤波处理,生成梅尔频谱图;
B3、根据梅尔频谱图对应的二维矩阵,生成去噪发言音频数据的梅尔系数;
B4、根据去噪发言音频数据的梅尔系数,生成标准发言音频数据。
数据库中为学生匹配了对应的课表,在获取到课程信息后上课时,学生可能会发言提问和做笔记,故本发明对发言过程产生的音频数据和做笔记过程产生的文本数据进行采集,并预处理,去除噪声,保证数据的清晰度,便于教师后期了解学生情况。在音频数据处理过程,利用梅尔频谱图获取音频数据的特征参数,梅尔频谱图的主要目的是将音频信号转换为在横向代表时间,纵向代表频率的二维矩阵。利用梅尔频谱图对应的梅尔系数对音频数据的频率进行更新,保证频率的稳定性。
在本发明实施例中,B3中,去噪发言音频数据的梅尔系数σ的计算公式为:
;
式中,exp(·)表示指数运算,A表示梅尔频谱图对应的二维矩阵,I表示单位矩阵,λ表示梅尔频谱图对应的二维矩阵的特征值。
在本发明实施例中,B4中,生成标准发言音频数据的具体方法为:提取去噪发言音频数据的采样频率,将去噪发言音频数据的采样频率与梅尔系数相乘,作为标准发言音频数据的采样频率,完成预处理。
在本发明实施例中,数据获取单元生成标准文本数据的具体方法为:构建文本处理模型,将实时文本数据输入至文本处理模型中,对实时文本数据进行预处理,生成标准文本数据。
在本发明实施例中,文本处理模型F的表达式为:
;
式中,G表示文本处理模型的卷积层数,Wg表示文本处理模型中第g层卷积层的输出,lg表示文本处理模型中第g层卷积层的卷积核权重参数,wg表示文本处理模型中第g层卷积层的卷积核权重参数的先验分布,θ表示文本处理模型的学习率,lg-1表示文本处理模型中第g-1层卷积层的卷积核的权重参数,wg-1表示文本处理模型中第g-1层卷积层的卷积核权重参数的先验分布。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (9)
1.一种教学综合管理系统,其特征在于,包括身份验证单元、课程匹配单元、数据获取单元和数据上传单元;
所述身份验证单元用于采集学生脸部图像,并基于学生脸部图像进行身份验证;
所述课程匹配单元用于为身份验证通过的学生匹配课程信息;
所述数据获取单元用于采集课程信息对应的实时发言音频数据和实时文本数据,并对实时发言音频数据和实时文本数据进行预处理,生成标准发言音频数据和标准文本数据;
所述数据上传单元用于将标准发言音频数据和标准文本数据上传至数据库中,进行存储。
2.根据权利要求1所述的教学综合管理系统,其特征在于,所述身份验证单元进行身份验证包括以下步骤:
A1、采集学生脸部图像,并对学生脸部图像进行小波变换,得到学生脸部图像的小波系数;
A2、提取小波变换后学生脸部图像中各个像素点的灰度等级;
A3、根据小波变换后学生脸部图像的小波系数和各个像素点的灰度等级,修正各个像素点的灰度值,得到修正学生脸部图像;
A4、计算修正学生脸部图像与数据库中各个预存学生脸部图像的验证相似度,若验证相似度大于或等于0.5,则身份验证通过,否则身份验证不通过。
3.根据权利要求2所述的教学综合管理系统,其特征在于,所述A3中,修正学生脸部图像中像素点的灰度值μ的计算公式为:;
式中,α表示小波系数,M表示灰度等级级数,m表示像素点在M个灰度等级中的灰度级,log(·)表示对数运算。
4.根据权利要求2所述的教学综合管理系统,其特征在于,所述A4中,验证相似度s的计算公式为:
;
式中,Xk表示修正学生脸部图像中第k个像素点的横坐标,Yk表示修正学生脸部图像中第k个像素点的纵坐标,K表示修正学生脸部图像的像素点个数,x0表示预存学生脸部图像的质心所在像素点的横坐标,y0表示预存学生脸部图像的质心所在像素点的纵坐标,Lk表示修正学生脸部图像中第k个像素点的亮度值,μk表示修正学生脸部图像中第k个像素点的灰度值。
5.根据权利要求1所述的教学综合管理系统,其特征在于,所述数据获取单元生成标准发言音频数据包括以下步骤:
B1、对实时发言音频数据进行去噪处理,生成去噪发言音频数据;
B2、对去噪发言音频数据进行梅尔滤波处理,生成梅尔频谱图;
B3、根据梅尔频谱图对应的二维矩阵,生成去噪发言音频数据的梅尔系数;
B4、根据去噪发言音频数据的梅尔系数,生成标准发言音频数据。
6.根据权利要求5所述的教学综合管理系统,其特征在于,所述B3中,去噪发言音频数据的梅尔系数σ的计算公式为:
;
式中,exp(·)表示指数运算,A表示梅尔频谱图对应的二维矩阵,I表示单位矩阵,λ表示梅尔频谱图对应的二维矩阵的特征值。
7.根据权利要求5所述的教学综合管理系统,其特征在于,所述B4中,生成标准发言音频数据的具体方法为:提取去噪发言音频数据的采样频率,将去噪发言音频数据的采样频率与梅尔系数相乘,作为标准发言音频数据的采样频率,完成预处理。
8.根据权利要求1所述的教学综合管理系统,其特征在于,所述数据获取单元生成标准文本数据的具体方法为:构建文本处理模型,将实时文本数据输入至文本处理模型中,对实时文本数据进行预处理,生成标准文本数据。
9.根据权利要求8所述的教学综合管理系统,其特征在于,所述文本处理模型F的表达式为:
;
式中,G表示文本处理模型的卷积层数,Wg表示文本处理模型中第g层卷积层的输出,lg表示文本处理模型中第g层卷积层的卷积核权重参数,wg表示文本处理模型中第g层卷积层的卷积核权重参数的先验分布,θ表示文本处理模型的学习率,lg-1表示文本处理模型中第g-1层卷积层的卷积核的权重参数,wg-1表示文本处理模型中第g-1层卷积层的卷积核权重参数的先验分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311025755.2A CN116757646B (zh) | 2023-08-15 | 2023-08-15 | 一种教学综合管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311025755.2A CN116757646B (zh) | 2023-08-15 | 2023-08-15 | 一种教学综合管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116757646A true CN116757646A (zh) | 2023-09-15 |
CN116757646B CN116757646B (zh) | 2023-11-10 |
Family
ID=87950010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311025755.2A Active CN116757646B (zh) | 2023-08-15 | 2023-08-15 | 一种教学综合管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757646B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
JP2018022385A (ja) * | 2016-08-04 | 2018-02-08 | 学校法人東京電機大学 | 画像処理装置、画像処理方法、および画像処理プログラム |
WO2018107605A1 (zh) * | 2016-12-16 | 2018-06-21 | 广州视源电子科技股份有限公司 | 一种将音视频数据转化成文字记录的系统和方法 |
CN109035538A (zh) * | 2018-10-16 | 2018-12-18 | 深圳美特优科技有限公司 | 一种基于人脸识别的来访人员登记查验装置 |
CN109493470A (zh) * | 2018-10-16 | 2019-03-19 | 广州源贸易有限公司 | 一种基于区块链的智能门禁系统 |
WO2019095446A1 (zh) * | 2017-11-17 | 2019-05-23 | 深圳市鹰硕音频科技有限公司 | 一种具有语音评价功能的跟随教学系统 |
CN110837947A (zh) * | 2019-10-11 | 2020-02-25 | 杭州电子科技大学 | 一种基于音视频分析技术的教师授课专注度的评估方法 |
CN114187898A (zh) * | 2021-12-31 | 2022-03-15 | 电子科技大学 | 一种基于融合神经网络结构的端到端语音识别方法 |
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
CN116312561A (zh) * | 2023-03-23 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种电力调度系统人员声纹识别鉴权降噪和语音增强方法、系统及装置 |
-
2023
- 2023-08-15 CN CN202311025755.2A patent/CN116757646B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169181A (zh) * | 2016-06-30 | 2016-11-30 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
JP2018022385A (ja) * | 2016-08-04 | 2018-02-08 | 学校法人東京電機大学 | 画像処理装置、画像処理方法、および画像処理プログラム |
WO2018107605A1 (zh) * | 2016-12-16 | 2018-06-21 | 广州视源电子科技股份有限公司 | 一种将音视频数据转化成文字记录的系统和方法 |
WO2019095446A1 (zh) * | 2017-11-17 | 2019-05-23 | 深圳市鹰硕音频科技有限公司 | 一种具有语音评价功能的跟随教学系统 |
CN109035538A (zh) * | 2018-10-16 | 2018-12-18 | 深圳美特优科技有限公司 | 一种基于人脸识别的来访人员登记查验装置 |
CN109493470A (zh) * | 2018-10-16 | 2019-03-19 | 广州源贸易有限公司 | 一种基于区块链的智能门禁系统 |
CN110837947A (zh) * | 2019-10-11 | 2020-02-25 | 杭州电子科技大学 | 一种基于音视频分析技术的教师授课专注度的评估方法 |
CN114187898A (zh) * | 2021-12-31 | 2022-03-15 | 电子科技大学 | 一种基于融合神经网络结构的端到端语音识别方法 |
CN116312561A (zh) * | 2023-03-23 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种电力调度系统人员声纹识别鉴权降噪和语音增强方法、系统及装置 |
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
Non-Patent Citations (2)
Title |
---|
张旭楠: "基于深度学习的听诊信号识别系统的研究与设计", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》, no. 3, pages 1 - 88 * |
范伟强等: "基于自适应小波变换的煤矿降质图像模糊增强算法", 《煤炭学报》, vol. 45, no. 12, pages 4248 - 4260 * |
Also Published As
Publication number | Publication date |
---|---|
CN116757646B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062282B (zh) | 基于改进yolov3模型的变电站指针式仪表识别方法 | |
CN109359526B (zh) | 一种人脸姿态估计方法、装置和设备 | |
CN112818969B (zh) | 一种基于知识蒸馏的人脸姿态估计方法及系统 | |
CN106897671B (zh) | 一种基于光流和Fisher Vector编码的微表情识别方法 | |
CN109408776A (zh) | 一种基于生成式对抗网络的书法字体自动生成算法 | |
CN111401156B (zh) | 基于Gabor卷积神经网络的图像识别方法 | |
CN111325711A (zh) | 一种基于深度学习的染色体分裂相图像质量评价方法 | |
CN106529395A (zh) | 基于深度置信网络和k均值聚类的签名图像鉴定方法 | |
CN108345833A (zh) | 数学公式的识别方法及系统和计算机设备 | |
CN104505089B (zh) | 口语纠错方法及设备 | |
CN110223699B (zh) | 一种说话人身份确认方法、装置及存储介质 | |
CN115984930A (zh) | 微表情识别方法、装置、微表情识别模型的训练方法 | |
CN116757646B (zh) | 一种教学综合管理系统 | |
CN111861038A (zh) | 一种基于机器学习算法的高考分数预测方法及系统 | |
CN109829857B (zh) | 一种基于生成对抗网络的倾斜图像的矫正方法及装置 | |
TWI803243B (zh) | 圖像擴增方法、電腦設備及儲存介質 | |
CN114897884A (zh) | 基于多尺度边缘特征融合的无参考屏幕内容图像质量评估方法 | |
CN111260570B (zh) | 基于循环一致性对抗网络的碑帖二值化背景噪声模拟方法 | |
CN113178204A (zh) | 一种单通道降噪的低功耗方法、装置及存储介质 | |
CN112801013A (zh) | 一种基于关键点识别校验的人脸识别方法、系统及装置 | |
CN112686099A (zh) | 适用于用电业扩报装申请的图文资料自动识别方法及系统 | |
CN113948089A (zh) | 声纹模型训练和声纹识别方法、装置、设备及介质 | |
CN116434243B (zh) | 一种笔迹练习系统的练习笔迹自动评测方法 | |
CN116030385B (zh) | 一种心肺复苏ai评价系统 | |
CN110717499B (zh) | 基于单层感知器模型的图像特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |