基于注意力机制与特征融合的课堂抬头率检测算法

摘要：

课堂教学是整个教育任务中的重要环节,教育信息化的发展为提升教学管理水平提供了更多方案.为加强教学情况正反馈,提高课堂抬头率检测的准确性,提出一种结合注意力机制和特征融合的新型检测算法.将原图及视觉特征RGB difference作为网络输入,令其经过特征提取网络后得到信息更丰富的深层特征.在此基础上,提出一种改进的注意力模型(ICBAM)并加载至特征提取网络上,ICBAM使用通道注意力模块和空间注意力模块并行的双流结构,提升网络的特征提取能力.在通道注意力和空间注意力中加入空洞卷积以过滤输入特征中的冗余特征,减少网络对背景等无用特征的关注.此外,设计精炼模块优化预测结果,并在所提算法的基础上实现课堂行为分析软件的开发与应用.实验结果表明,该算法在抬头率检测数据集RDS上的平均抬头率误差为15.648％,相比于SolvePnP等主流检测算法具有更低的误差率.

关键词：抬头率、课堂视频、注意力机制、特征融合、空洞卷积

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK20171142

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：262-268