典型文献
基于改进YOLOV5算法的学生课堂行为识别研究
文献摘要：
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mAP(mean Average Precision);对睡觉、玩手机、举手行为的识别准确率达到90％.
文献关键词：
深度学习;学生行为识别;YOLOV5;注意力机制
中图分类号：
作者姓名：
杨明远;左栋
作者机构：
华北水利水电大学数学与统计学院 河南 郑州 450046
文献出处：
引用格式：
[1]杨明远;左栋-.基于改进YOLOV5算法的学生课堂行为识别研究)[J].信息记录材料,2022(12):51-53,57
A类：
学生行为识别
B类：
YOLOV5,学生课堂,课堂行为识别,课堂教学活动,智能识别,堂上,了解学生,上课,使用深度,行为数据集,CA,注意力机制,模型检测,检测速度,增强模型,有效提取,行为特征,抬头,低头,玩手,举手,记笔记,睡觉,交头接耳,七类,mAP,mean,Average,Precision,识别准确率
AB值：
0.365296
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。
