| 一种改进YOLOv5的课堂异常行为感知检测算法 |
| |
| 引用本文： | 朱先远,王松林,周叶凡,韩海峰.一种改进YOLOv5的课堂异常行为感知检测算法[J].齐齐哈尔大学学报(自然科学版),2023(1):46-52. |
| |
| 作者姓名： | 朱先远 王松林 周叶凡 韩海峰 |
| |
| 作者单位： | 安徽商贸职业技术学院信息与人工智能学院 |
| |
| 基金项目： | 安徽省教育厅自然科学研究重点项目（KJ2020A1081,KJ2021A1483）；;安徽省质量工程项目（2020zyq29）； |
| |
| 摘 要： | YOLOv5算法能够对异常行为进行检测，大幅度提高异常行为识别的准确率和速度。然而，其参数规模较大，GPU计算量大，不适合在资源受限的嵌入式终端上进行安装部署；同时，其对目标密集、易产生遮挡的学生课堂异常行为识别表现不佳。针对上述问题提出了融合MobileNetV3的YOLOv5算法，该算法通过改进网络结构提升了算法效率，通过小目标锚框改进了相互遮挡的多目标识识别能力。最后，在基准数据集上的实验结果表明该算法网络模型参数量优于现有的YOLOv5算法，同时该算法在课堂异常行为数据集上表现出更好的识别效果。
|
| 关 键 词： | 卷积神经网络 YOLOv5算法 异常行为检测 机器视觉 |
|
|
