YOLO-RSD:基于改进YOLOv8的课堂行为检测算法

摘要

实现课堂行为的动态检测已成为现代教育研究的热点之一.现有的课堂行为检测算法计算成本较高、模型训练时间较长、实时性不强，难以满足在真实的课堂教学背景下对学生课堂行为的检测与识别.为了解决以上问题，提出了一种优化的课堂行为检测算法——YOLO-RSD.该算法基于YOLOv8n框架，通过引入RFCAConv和SEAM,优化检测头设计，实现了在复杂场景下的精准目标检测.RFCAConv能够自适应调整感受野，有效捕捉不同尺度的目标信息.SEAM可在多尺度特征图上动态调整，智能识别并补偿遮挡区域.DyHead能智能分配注意力资源，显著增强模型的表现力.实验结果表明，在SCB-Dataset3上，YOLO-RSD相较于YOLOv8n在mAP@0.5指标上提高了3.1百分点，在mAP@0.5～0.95指标上提高了3.3百分点，取得了更好的学生课堂行为检测效果.

关键词

YOLO-RSD / RFCAConv / SEAM / DyHead