摘要
本发明公开了一种基于任务对齐和重参数的学生课堂行为识别轻量化小目标检测模型及方法,所述模型包括主干网络、颈部和基于任务对齐思想的任务交互预测头,主干网络从图像中提取特征、进行下采样处理,颈部进行特征融合,任务交互预测头进一步提取任务交互特征并输出预测结果。本发明提出的学生课堂行为检测模型在检测精度比基准模型YOLOV8n更高,在STCB数据集上,mAP达到了79.2%,比YOLOV8n高1.5%,对数据集中的小目标检测精度为11.2%,比YOLOV8n高1.7%。模型的计算量从8.1FLOPs降到了6.9GFLOPs,降低了14.8%。参数量从3.2M降到了1.8M,降低了43.8%。
技术关键词
交互特征
预测特征
sigmoid函数
学生
分支
输出特征
多尺度特征
特征提取器
网络
参数
全局平均池化
双线性插值
梯度下降法
模块
通道
融合特征
图像
代表
动态
语义
系统为您推荐了相关专利信息
解码器结构
辅助编码器
双编码器
语义分割网络
编码器模块
糖尿病视网膜病变
融合方法
异构
Softmax函数
分支
知识追踪方法
交互特征
融合特征
在线
模型预测值