基于YOLOv5-SlowFast的课堂行为检测方法

作者：刘宏; 张释文; 孙程; 张建明; 张锦^*

来源：上海理工大学学报, 2023, 1-10.

DOI：10.13255/j.cnki.jusst.20230128001

• 课堂行为检测
• 行为检测
• 目标检测
• SlowFast
• YOLOv5

为解决教学视频中课堂行为检测精度不高、速度慢等问题，提出一种基于YOLOv5-SlowFast的课堂行为检测方法。首先，针对SlowFast模型使用Faster R-CNN算法进行学生目标检测过程耗时较多的问题，采用更高效的YOLOv5算法检测视频关键帧中的学生位置。其次在Slow路径中引入金字塔切分注意力模块，在降低模型参数量的同时，提取多尺度空间信息，建立长期通道注意力间的依赖关系。最后在Fast路径加入时间注意力模块，加强模型对时间特征的感知，提高模型的课堂行为检测精度。实验结果表明，改进后的模型在自制课堂行为数据集上平均精度均值（mAP）可达89.88%，比原模型提高了4.45%，证明模型能够有效地检测教学视频中的学生课堂行为。

• 单位
  湖南师范大学; 长沙理工大学