基于深度学习的学生课堂行为识别系统的开发

闫 琳英
西安培华学院

摘要


本研究提出了一种基于深度学习的学生课堂行为识别系统，旨在通过智能化手段实现对学生课堂行为的精
准检测与分析。系统采用模块化设计，涵盖数据采集、预处理、模型训练、行为识别及可视化交互五大模块。以
YOLOv8算法为核心，通过调整迭代次数、学习率等参数优化模型性能，采用8：2比例划分3200张训练集与800张
测试集，结合Mosaic数据增强、自适应锚框计算及SPP/PAN特征融合等技术，提升模型对多尺度目标的检测能力。
损失函数包含边界框损失、类别损失与置信度损失，确保检测精度[1]。

关键词


深度学习；学生课堂行为；识别系统

全文:

PDF


参考


[1]王禹钧，马致明.基于深度学习的学生课堂行为

识别研究[J].软件工程，2023，26（07）：40-43+62.

[2]闫兴亚，匡娅茜，白光睿，等.基于深度学习的

学生课堂行为识别方法[J].计算机工程，2023，49（07）：

251-258

[3]韦宁燕，卢静，韦洪浪，等.基于深度学习的

学生课堂专注度识别研究综述[J].信息技术与信息化，

2022，（07）：192-195.

[4]王泽杰，沈超敏，赵春，等.融合人体姿态估计

和目标检测的学生课堂行为识别[J].华东师范大学学报

（自然科学版），2022，（02）：55-66.

[5]白 佳， 谷 林.基 于 改 进YOLOv7-tiny算 法 的

学生课堂行为检测[J].计算机与现代化，2025，（06）：

9-15+50.

[6]郑一方，陈兴文.基于深度学习的学生课堂行为

检测方法研究[J].山西电子技术，2025，（03）：92-94.

[7]史二颖.基于深度学习的网络安全异常行为检测技

术研究[J].电脑编程技巧与维护，2025，（05）：167-169.


Refbacks

  • 当前没有refback。