基于改进YOLOv11的学生课堂行为检测算法
李美
太原师范学院 山西太原 030000
摘要：学生课堂行为是衡量学习效果的直接观测指标,基于深度学习的行为检测方法可辅助教师优化教学方式、调整教学进度,进而提升教学效率.为实现精准的学生课堂行为检测与教学效率优化,文章提出一种基于YOLOv11模型的课堂行为识别方法.该方法通过引入MLCA模块,增强模型对小目标的特征提取能力,提升复杂课堂环境下的行为检测性能;同时,采用MFM模块替换模型原有简单拼接模块,强化多尺度特征融合效果,进一步提高检测精度.实验结果表明,所提方法对课堂常见行为识别的mAP@50达到76.4％,相较于原始YOLOv11模型提升2.2％,能够更高效、精准地识别学生课堂行为,为精准教学分析与教学效率优化提供技术支撑.
关键词：目标检测计算机视觉课堂行为识别YOLOv11注意力机制
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 47-50 )