10.16157/j.issn.0258-7998.222837
融合轻量化与梯形结构的学生行为检测算法
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.
梯形结构、学生行为检测、YOLOv4、特征融合、DenseNet
48
TP399(计算技术、计算机技术)
国家自然科学基金;陕西省重点产业创新链工程
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
47-53