基于轻量化卷积神经网络的大学生在线课堂行为检测

为实时掌握学生线上学习情况,提高学生线上课堂教学质量。针对移动设备端、学生图像尺寸大小不一、背景复杂易遮挡等问题,本文设计了一种基于轻量化卷积神经网络检测模型。首先以Yolo-V5s为基准,轻量化改进其主干特征网络,从而减小模型体积;并通过改进DIoU作为损失函数,进一步优化模型,提升检测框质量。实验结果表明,本研究改进的模型大小仅为6.8MB,平均检测精度达到96.5%,每幅图像的平均检测时间为0.025s,与经典目标检测模型比较,表现出较强的鲁棒性和泛化能力,是一种有效的学生在线课堂行为识别方法。