基于深度学习的学生课堂行为识别系统的开发

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-3727-07-03-174340

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

全文直达

引用

打印

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

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2025,7(3)