李燕苹（上海大学教务部，上海200444）李一凡（上海大学通信与信息工程学院，上海200444）AnalysisofClassroomStatusDetectionBasedonExpressionRecognition摘要：随着科学技术的不断发展，人工智能技术也逐渐应用于日常教学之中。设计了一种基于表情识别的课堂状态检测分析方法，该方法通过实时检测学生的表情信息和学生在课堂中的专注率指标检测课堂状态。其中，表情信息的获取算法以深度学习技术为背景，卷积神经网络技术为基础，建立了表情识别模型。该模型以残差网络ResNet18为主干网络，并添加了注意力机制作为辅助模块进一步引导表情特征融合过程，提高了模型的泛化能力和识别准确性。所设计的课堂状态检测方法能够高效地检测和记录学生的上课状态，为老师了解授课质量和改变授课方式提供一个有力的参考依据。关键词：课堂状态检测分析；深度学习；卷积神经网络；表情识别Abstract:Thispaperdesignsaclassroomstatedetectionandanalysismethodbasedonexpressionrecognition,whichdetectstheclassroomstatebyreal-timedetectionofstudents'expressioninformationandstudents'concentrationratein-dexintheclassroom.Amongthem,thealgorithmofobtainingexpressioninformationisbasedondeeplearningtechnologyandconvolutionalneuralnetworktechnologytoestablishtheexpressionrecognitionmodel.Themodelusestheresidualnet-workResNet18asthebackbonenetwork,andaddstheattentionmechanismasanauxiliarymoduletofurtherguidetheexpressionfeaturefusionprocess,whichimprovesthegeneralizationabilityandrecognitionaccuracyofthemodel.Theclassroomstatusdetectionmethoddesignedinthispapercanefficientlydetectandrecordstudents'classroomstatus,pro-vidingapowerfulreferencebasisforteacherstounderstandthequalityoflecturesandchangetheteachingmethods.Keywords:classroomstatedetectionandanalysismethod,deeplearning,convolutionalneuralnetwork,expressionrecognition2021年“国际人工智能与教育会议”在线上举行，会议的主题为“确保人工智能服务共同利益，促进教育变革”。随着科学技术的不断发展，传统领域与人工智能技术融合成为了时代趋势。传统的课堂教育主要依靠授课老师主观观察来判断学生的听课状态，但老师在课堂上应更注重教学环节，而且当教学任务繁重时，过多地关注学生听课状况可能会出现顾此失彼的情况，降低授课...
