一种基于YOLOv8改进的学生课堂行为检测方法

本发明公开了一种基于YOLOv8改进的学生课堂行为检测方法；该方法通过在小目标检测模型中使用C2F‑SCG卷积模块，相较于传统卷积模块及现有主流特征提取模块，能更精准捕捉小目标关键特征，在学生课堂行为中小目标检测上表现出更优越的性能；通过使用小目标加强金字塔网络替换传统特征融合网络，在保证模型对课堂场景复杂特征提取性能不受负面影响的同时，实现模型参数量的有效下降，再者，使用轻量线性调节检测头，实现轻量设计与线性调节功能优化检测精度与计算效率的平衡；最后，使用Inner‑WiseV3‑Shape IoU损失函数提升了边界框回归的准确性。本发明在模型参数量、检测精度上有极大改善，相较于传统模型实现了轻量化与高性能的平衡。