一种基于改进DDIM模型的学生行为数据增强方法

一种基于改进DDIM模型的学生行为数据增强方法，涉及计算机视觉及图像处理技术领域，解决现有生成模型在课堂学生行为图像生成中存在的细节丢失、语义不一致以及生成效率低等问题，本方法通过获得原始数据集，构建改进的DDIM模型，对改进的DDIM模型训练，采用训练后的DDIM模型生成用于增强稀疏类别的图像样本，构建数据增强样本的数据集，完成数据增强。本发明对DDIM模型中的去噪网络U‑Net架构进行革新，显著提升了生成图像的空间连贯性和语义保真度；解决了课堂行为识别中因样本不均衡导致的模型偏见与性能瓶颈问题。