基于CBW-YOLOv5s轻量化模型的学生课堂行为快速检测

分享到

【获取途径】超星期刊网
【作者】张杰，魏艳龙，薛红新
【刊名】数智技术研究与应用
【作者单位】¹太原师范学院计算机科学与技术学院；²中北大学计算机科学与技术学院
【年份】2024
【卷号】第21期
【ISSN】1007-1423
【关键词】学生课堂行为 YOLOv5s 深度学习目标检测轻量化
【摘要】针对目前学生课堂行为检测算法准确性和模型复杂度的挑战，提出一种基于CBW-YOLOv5s的轻量化学生课堂行为识别算法。从整体上采用了GhostNet 轻量化结构，旨在保证检测性能的同时，精简网络结构，从而大幅降低模型复杂度；BiFPN 取代原模型的PANet，以增强模型对课堂行为特征的提取和融合能力；在一些C3 模块中引入CA 注意力机制，使网络能够更好地关注特征层的空间和通道信息；采用Wise-IoU 损失函数以提升模型性能。实验结果表明，这些方法有效简化了模型复杂度，并保持了较高的检测精度。
【文献类型】期刊