基于卷积神经网络的学生课堂抬头率检测研究

郭娟娟

doi:10.16009/j.issn.1009-5624.2026.11.052

信息记录材料 ›› 2026, Vol. 27 ›› Issue (11) : 161 -163. DOI: 10.16009/j.issn.1009-5624.2026.11.052

基于卷积神经网络的学生课堂抬头率检测研究

郭娟娟

作者信息 +

Author information +

文章历史 +

摘要

针对传统课堂行为评估方式主观性强、自动化程度低的问题，本研究提出一种基于卷积神经网络(CNN)的学生课堂抬头率监测方法。首先，构建多分支CNN,其次，设计特征对齐与加权融合模块实现多尺度特征的有效整合，最后，基于融合特征完成学生抬头状态判别。实验基于学生课堂行为-05(SCB-05)数据集开展，在Matlab R2021b环境下对该方法进行验证，并与标准CNN模型进行对比。实验结果表明：所提多尺度CNN在多个评价指标上均取得显著提升，验证了多尺度特征融合策略在提高学生课堂抬头率检测精度与稳定性方面的有效性。