基于DUHG-YOLO的教室学生行为检测

摘要

针对教室环境中学生行为检测存在人员密集、遮挡、模糊以及前后排目标尺度变化显著等问题，提出名为DUHG-YOLO的先进目标检测模型。模型以YOLOv11框架为基础，首先设计C3k2＿Dual模块，既在主干网络的C3k2中引入双重卷积模块(DualConv),以增强模型特征提取能力，减少计算冗余并提高检测精度。其次提出一种多尺度特征融合与注意力增强的网络框架ZSH,通过引入混合注意力机制(HybridAttention)和双线性插值(Bilinear)增强特征融合效果，提升特征表示能力。最后使用广义交并比损失函数(GIoU)优化非重叠目标的梯度更新，提高模型的检测精度。实验结果表明，相较YOLOv11n, DUHG-YOLO在StuDataset数据集上精确率、召回率、平均精度均值分别提升1.7%、2.6%、2.1%,可以有效应用于教室学生行为检测任务。

关键词

行为检测 / YOLOv11 / 双重卷积 / 特征融合 / 损失函数