基于改进YOLOv8s的学生课堂行为识别研究

为了有效识别真实课堂中的学生行为，提出一种基于改进YOLOv8s模型的课堂行为识别方法。在YOLOv8s主干网络中融入轻量级坐标注意力机制Coordinate Attention，提高模型特征学习能力；在特征融合模块借鉴加权双向特征金字塔网络BIFPN与重参数化模块Diverse-Branch Block，对YOLOv8s中的特征金字塔网络PANet进行改进，提高模型的特征整合能力。实验结果显示，改进后的模型YOLOv8s-CB比原始模型的平均精度均值提升了1.7个百分点，达到92.4%，表明该算法在实时检测课堂学生行为识别任务中具有更大优势。