一种基于自监督学习的学生行为检测方法

本发明公开了一种基于自监督学习的学生行为检测方法，涉及机器学习技术领域，包括以下步骤：对无标签输入数据进行预处理并进行数据增强得到两个增强视图，并划分为固定长度的时间窗口；对两个增强视图的时间窗口分别进行特征提取；计算两个增强视图的时间一致性损失；计算对比损失函数；对时间一致性损失和对比损失加权求和，形成最终的综合损失函数来训练模型；利用预训练好的特征提取器与分类头结合。本发明采用上述一种基于自监督学习的学生行为检测方法，解决了对大量标记数据的依赖和特征提取难题，通过自动学习和优化特征，提高了模型的泛化能力和检测准确性，该方法实现了实时、准确的学生行为监测，支持个性化教学和教育质量提升。