基于改进YOLOv7的学生课堂行为检测
计算机视觉与模式识别
2024-09-10 v2
摘要
准确检测课堂视频中的学生行为有助于分析其课堂表现并提高教学效果。然而，当前行为检测的准确率较低。为应对这一挑战，我们提出了基于改进YOLOv7的学生课堂行为检测方法。首先，我们创建了学生课堂行为数据集（SCB-Dataset），包含18.4k个标签和4.2k张图像，涵盖举手、阅读和书写三种行为。为提高拥挤场景下的检测精度，我们将biformer注意力模块和Wise-IoU集成到YOLOv7网络中。最后，在SCB-Dataset上进行了实验，该模型取得了79%的[email protected]，较先前结果提升了1.8%。SCB-Dataset和代码可在 https://github.com/Whiffe/SCB-dataset 下载。
引用
@article{arxiv.2306.03318,
title = {Student Classroom Behavior Detection based on Improved YOLOv7},
author = {Fan Yang},
journal= {arXiv preprint arXiv:2306.03318},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2305.07825