基于改进YOLOV5算法的学生课堂行为识别研究

作     者：杨明远 左栋 YANG Mingyuan;ZUO Dong

作者机构：华北水利水电大学数学与统计学院河南郑州450046 

出 版 物：《信息记录材料》 (Information Recording Materials)

年 卷 期：2022年第23卷第12期

页      面：51-53,57页

学科分类：0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 081002[工学-信号与信息处理] 

基　　金：河南省研究生教育改革与质量提升工程项目(YJS2022KC01) 河南省科技攻关项目(21212310306) 

主　　题：深度学习 学生行为识别 YOLOV5 注意力机制 

摘      要：将人工智能引入课堂教学活动,基于深度学习的方法智能识别学生在课堂上的行为,及时了解学生的上课状态,对教学改革具有积极作用。传统的学生行为识别方法有鲁棒性差,准确率不高等缺点。本文使用深度学习的方法,自建学生课堂行为数据集,在YOLOV5的基础上引入CA注意力机制,在模型检测速度不变的情况下,增强模型的鲁棒性,注意力机制从通道和空间两个维度有效提取学生课堂行为特征。仿真表明,与YOLOV5模型相比,加入注意力机制的模型对抬头、低头、玩手机、举手、记笔记、睡觉、交头接耳七类学生课堂行为识别提升了2%左右的m AP(mean Average Precision);对睡觉、玩手机、举手行为的识别准确率达到90%。