基于YOLOv8n的学生课堂行为检测算法

摘要

YOLO目标检测算法在当前的学生课堂行为检测领域占据着主导地位.由于课堂环境的复杂性，现有的YOLO模型在检测被遮挡的学生动作时存在检测精度不高、漏检和误检的情况.针对这一问题，提出了FCC-YOLO目标检测框架，使用FasterNet作为主干网络，引入CoordAtt(Coordinate Attention)注意力模块，并将EfficientNet的SE模块替换为EffectiveSE模块，与C2f模块融合为C2f-ECAB模块，以提取丰富的特征.实验结果表明，与YOLOv8n模型相比，本研究提出的算法在平均精度均值（mAP50）上提高了2.1%，召回率提高了3.4%，漏检的情况得到很好改善.

关键词

YOLOv8n / 课堂行为检测 / FasterNet / CoordAtt / EffectiveSE