基于改进YOLOv10的学生课堂行为检测模型
李英豪
徐建
魏迎澳
湖北民族大学智能科学与工程学院 湖北恩施 445000
摘要：针对在复杂的课堂环境中,传统的目标检测算法出现的漏检和误检问题,文章结合学生课堂行为监控的实际需求,基于YOLOv10s目标检测模型进行优化,提出了 3项改进措施.首先将普通C2f替换为C2f TripletAt模块,在原有基础上添加了自注意机制,让网络能够更全面地理解图像内容,使模型更有效地区分目标,提高检测精度,特别是在复杂场景下的目标检测能力.然后在网络中加上SEAM注意力机制,用于补偿被遮挡面部的响应损失,通过增强未遮挡面部的响应来实现,同时可以增强特征提取能力,提高检测精度,保持计算效率.此外,通过采用ADown模块,可以大幅降低参数值,进一步提升模型对复杂场景中多目标行为的辨识能力.结果表明,与原始YOLOv10s模型相比,改进YOLOv10s模型的精确率、召回率、平均精确率均值分别上升了 2.8％、0.9％、1.6％.有效提升了课堂监控系统的智能化水平,为智能教育提供了更可靠的数据支持.
关键词：目标检测YOLOv10课堂行为注意力机制
资助基金：国家自然科学基金(12464004)国家自然科学基金(11964009)
论文发表日期：2025-12-25
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( 4-7 )