基于改进YOLOv8s的学生课堂行为识别研究 |
| |
引用本文: | 杨颜茜.基于改进YOLOv8s的学生课堂行为识别研究[J].现代计算机,2024(2):33-38. |
| |
作者姓名: | 杨颜茜 |
| |
作者单位: | 太原师范学院计算机科学与技术学院 |
| |
摘 要: | 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。
|
关 键 词: | 行为识别 注意力机制 特征融合 |
|
|