基于改進(jìn)YOLOv10n算法的課堂行為識(shí)別研究

打開文本圖片集

摘要：針對(duì)當(dāng)前課堂行為識(shí)別技術(shù)檢測(cè)精度不足的問題，文章提出了一種基于三階段優(yōu)化策略的改進(jìn)YOLOv10n算法，以提升檢測(cè)性能：首先，在主干網(wǎng)絡(luò)中采用自適應(yīng)核卷積（Adaptive Kernel Convolution， AKConv） 替代標(biāo)準(zhǔn)卷積模塊，以適應(yīng)目標(biāo)的多尺度變化；其次，在C2f結(jié)構(gòu)后集成卷積塊注意力模塊（Convolutional Block Attention Module， CBAM） ，以增強(qiáng)關(guān)鍵特征的表達(dá)；最后，針對(duì)教學(xué)場(chǎng)景中密集小目標(biāo)檢測(cè)需求，重構(gòu)特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)——移除20×20大目標(biāo)檢測(cè)層，強(qiáng)化160×160小目標(biāo)檢測(cè)能力。（剩余10658字）