Yolo-v5改进模型的课堂行为实时检测方法

摘要

当前,学生的课堂学习动态的掌握,主要通过课堂观察和随机提问等人工监督方式来进行,此类方式存在课堂信息传递与反馈的滞后等问题。使用基于深度学习的无人监督式的课堂监控系统,可及时、有效地掌握课堂动态,监督学生学习情况。针对课堂视频中存在的人数密集、小目标多、光照不均以及环境干扰复杂等情况,在Yolo(You Only Look Once)-v5模型基础上,结合GCT(Gated Channel Transformation)模式提出一种适用于课堂环境的Yolo-v5改进模型。此外,现有研究中适用于课堂行为检测研究的数据集较少,大多数研究存在实验数据不规范的问题。因此,提出了一种规范的课堂行为检测数据集,该数据集从真实课堂视频截取出有代表性的一千多张高清图片,涵盖十类行为,且目标类都有精确的位置标定。文章通过与Yolo-v3、Yolo-v4、Yolo-v5在该数据集上对比,结果表明,文章方法性能更好。