改进YOLOv8的学生课堂行为识别算法：DMS-YOLOv8

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：陈晨, 保文星, 陈旭, 景永俊, 李卫军

单位：北方民族大学 计算机科学与工程学院，银川 750021

摘要：针对智慧教室中存在前后排学生图像尺寸差异较大、后排小目标检测困难的问题，提出了一种改进YOLOv8的学生课堂行为识别方法：DMS-YOLOv8。结合CA注意力机制与深度卷积，提出了动态通道注意力卷积（DCAConv），能够动态调整通道权重，更灵敏地捕获关键特征；引入多尺度卷积注意力（MSCA），通过元素乘法最大化挖掘多尺度卷积特征，增强对空间细节的关注；同时，构建了多尺度上下文融合（LCD）模块，通过卷积和自注意力机制，增强多尺度特征融合。增加小目标检测层，通过较大尺寸特征图的局部特征提取，显著提高模型对后排学生行为的识别能力。与基线模型YOLOv8n相比，该方法在自制学生行为数据集上的mAP50值提高了4.6个百分点，在VOC数据集上提高了18.7个百分点。该方法在学生课堂行为识别方面表现突出，可显著提高智慧教室学生课堂行为识别的准确率。

关键词：学生行为识别,YOLOv8,目标检测,动态通道注意力卷积,多尺度上下文融合