【技术实现步骤摘要】
本专利技术涉及目标检测，更具体地，涉及一种基于改进yolov8的课堂学习行为识别方法及存储介质。
技术介绍
1、学生在课堂中的行为表现对于教师的教学工作和课堂评价至关重要。随着人工智能技术的不断发展和智能教学环境的普及，利用智能技术来跟踪和检测教学全过程以进行课堂行为评价逐渐成为新的趋势。自动识别课堂学习行为可以用于分析和可视化行为统计特征以及教学模式等，为教师教学和课堂评价提供数据驱动。
2、然而在真实的课堂环境中，检测学课堂学习行为是一个具有挑战性的问题。自然课堂场景中的课堂学习行为识别的难点在于：（1）自然授课的场景中有大量的学生和桌椅书本，导致学生的学习行为常被遮挡。行为被遮挡会干扰模型进行课堂学习行为的特征提取。（2）前后排学生在图像中的像素比例不相同，越往后的学生的像素越小，导致前后排学生的课堂学习行为像素尺度不一致，特别是后排学生的课堂学习行为关联像素不足，模型难以提取有效的课堂学习行为特征信息。这导致课堂学习行为常被漏检或误检，且漏检的问题更为严重，最后导致课堂学习行为识别的召回率和精准率低，无法全面精准地反...
【技术保护点】
1.一种基于改进YOLOv8的课堂学习行为识别方法，包括：
2.如权利要求1所述的基于改进YOLOv8的课堂学习行为识别方法，其特征在于：
3.如权利要求2所述的基于改进YOLOv8的课堂学习行为识别方法，其特征在于：
4.如权利要求1所述的基于改进YOLOv8的课堂学习行为识别方法，其特征在于：
5.如权利要求4所述的基于改进YOLOv8的课堂学习行为识别方法，其特征在于：
6.如权利要求4所述的基于改进YOLOv8的课堂学习行为识别方法，其特征在于：
7.如权利要求4所述的基于改进YOLOv8...
【技术特征摘要】
1.一种基于改进yolov8的课堂学习行为识别方法，包括：
2.如权利要求1所述的基于改进yolov8的课堂学习行为识别方法，其特征在于：
3.如权利要求2所述的基于改进yolov8的课堂学习行为识别方法，其特征在于：
4.如权利要求1所述的基于改进yolov8的课堂学习行为识别方法，其特征在于：
5.如权利要求4所述的基于改进yolov8的课堂学习行为识别方法，其特征在于：
6.如权利要求4所述的基于改进yolov8的课堂学习...
【专利技术属性】
技术研发人员：刘清堂，蒋如意，徐琦，王登，桑志强，蒋新宇，吴林静，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。