基于YOLOv5迁移学习的学生课堂行为识别方案

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：相比传统的人工督导学生课堂行为，基于深度学习的智能督导具有巡查效率高、人工成本低等优点。然而，自主设计深度学习模型不但需要专业的算法知识，还会面临模型设计复杂、训练成本高昂等诸多困难。为解决这些难点，文章提出了一种基于YOLOv5预训练模型的迁移学习方案。首先采集和标注本地场景图像，构建侧身、睡觉、看手机等失范行为的训练数据集，然后对YOLOv5源模型进行微调训练，得到适用于课堂场景的行为识别模型。（剩余5857字）

试读结束

目录
monitor