Student Behavior Recognition in Classroom Based on Deep Learning

doi:10.3390/app14177981

Student Behavior Recognition in Classroom Based on Deep Learning

2024-09-06

0

OA

AI

DOI：10.3390/app14177981

原文链接

原文求助

摘要

En 中文

随着信息技术在教育领域的广泛应用，课堂中学生行为的实时检测已成为提高教学质量的关键问题。本文提出了一种结合YOLOv5、Contextual Attention（CA）机制和OpenPose的Student Behavior Detection（SBD）模型，旨在实现复杂课堂环境下的高效准确行为识别。通过将YOLOv5与CA注意力机制集成以增强特征提取能力，该模型在复杂背景（如存在遮挡的场景）下的识别性能得到显著提升。此外，利用改进的YOLOv5生成的特征图替换OpenPose中的VGG-19，有效提高了学生姿态识别的精度。实验结果表明，所提出的模型在复杂课堂环境中达到最高mAP为82.1%，超越了Faster R-CNN 5.2个百分点和YOLOv5 4.6个百分点。此外，该模型的F1分数和R值相较于其他两种传统方法表现出明显优势。该模型为智能课堂行为分析和教育管理的优化提供了有效解决方案。

Student Behavior Recognition in Classroom Based on Deep Learning

摘要

期刊

机构

引用论文