典型文献
融合轻量化与梯形结构的学生行为检测算法
文献摘要：
为了解决常见目标检测算法在课堂场景中难以有效应用的问题,提出了一种融合轻量化与梯形结构的学生行为检测算法.该算法基于YOLOv4架构,针对目标分类和分布空间的特点,提出一种新的"梯"形特征融合结构,并结合MobileNetv2思想,优化模型参数得到梯形-MobileDarknet19特征提取网络,既减少了网络的计算量,提高了工作效率,同时加强了 目标特征的信息传输,提升了模型学习能力;在尺度检测阶段引入5层的DenseNet网络,增强网络对小目标的检测能力.实验结果表明,提出的YOLOv4-ST算法相比于原YOLOv4算法mAP提高了 5.5％,相比于其他主流算法,在学生课堂行为检测任务中具有较好的实用性.
文献关键词：
梯形结构;学生行为检测;YOLOv4;特征融合;DenseNet
中图分类号：
作者姓名：
张颖;张喆;龙光利
作者机构：
西安理工大学 自动化与信息工程学院,陕西西安710048;陕西理工大学物理与电信工程学院,陕西汉中723000
文献出处：
引用格式：
[1]张颖;张喆;龙光利-.融合轻量化与梯形结构的学生行为检测算法)[J].电子技术应用,2022(12):47-53
A类：
学生行为检测,MobileDarknet19
B类：
梯形结构,目标检测算法,课堂场景,有效应用,YOLOv4,目标分类,特征融合,MobileNetv2,特征提取网络,计算量,目标特征,信息传输,模型学习,DenseNet,小目标,检测能力,ST,mAP,流算法,学生课堂,课堂行为
AB值：
0.317707
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
