多尺度可变形变换器在智能教室学生学习行为检测中的应用
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对传统手动观察学生行为的低效问题，提出了一种名为多尺度可变形变换器的创新模型（SCB-DETR），该模型通过大卷积核进行特征提取和多尺度特征融合，大幅提升了对遮挡和多尺度目标的检测能力。研究结果显示，SCB-DETR在处理动态教室环境中的学生行为检测方面表现出色，其平均精度（mAP）达到0.626，比基线模型提高了1.5%。
研究提出一种方法，通过扩展图像数据集解决学生课堂行为数据集不足和标注成本高的问题。新数据集包含75万多张图像和2万多标签，涵盖举手、阅读和书写三种行为。使用YOLO和SlowFast算法评估，平均精度达82.3%。该方法无需注释，证明了其有效性，为未来学生行为检测研究奠定基础。
