基于改进卷积神经网络的智慧课堂学生行为识别方法

王晓丽; 赵良杰

doi:10.16009/j.issn.1009-5624.2026.20.016

信息记录材料 ›› 2026, Vol. 27 ›› Issue (20) : 49 -51. DOI: 10.16009/j.issn.1009-5624.2026.20.016

基于改进卷积神经网络的智慧课堂学生行为识别方法

王晓丽, 赵良杰

作者信息 +

Author information +

文章历史 +

摘要

针对智慧课堂中资源受限条件下的学生行为高精度识别问题，本研究以轻量化卷积神经网络为基础框架，对移动网络（MobileNet）模型结构展开系统分析，并提出了一种多尺度自适应重构深度可分离卷积方法，实现对关键行为特征的有效增强与信息损失的抑制。在实验部分，基于学生课堂行为数据集（SCB-Dataset）构建对比实验环境，在矩阵实验室（Matlab）平台下完成模型训练与评估，并选取准确率、精确率、召回率及F₁值作为评价指标进行量化分析。实验结果表明，改进模型在各项指标上均优于标准MobileNet。