[发明专利]一种基于YOLO的学员状态检测方法有效
| 申请号： | 201910413104.8 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110633610B | 公开（公告）日： | 2022-03-25 |
| 发明（设计）人： | 黄进;杨旭;朱明仓;李剑波;王敏;李啸天;刘怡 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/25;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 成都东恒知盛知识产权代理事务所(特殊普通合伙) 51304 | 代理人： | 罗江 |
| 地址： | 610031*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于YOLO的学员状态检测算法，包括以下步骤：S1：YOLO的改进；S2：在原来的DBL组件后加入瓶颈注意力模型BAM，然后经过2个DBL组件，再加入卷积注意力模型CBAM；S3：修改后的网络进行训练，本发明涉及基于YOLO的目标检测技术。本发明在YOLO网络的基础上，加入了瓶颈注意力模型(BAM)和卷积注意力模型(CBAM)，在保证了较高检测速率的同时，提高了YOLO网络的精度。同时，我们将其应用在教学课堂中，实现对学生听课状态的检测，便于教学者对课堂情况的了解和管理加入了注意力机制的YOLO网络，经过在VOC 2012数据集上的测试，速度可以达到在自己的学员数据集上，准确率相对原版网络，准确率有所提升。 | ||
| 搜索关键词： | 一种 基于 yolo 学员 状态 检测 方法 | ||
【主权项】：
1.一种基于YOLO的学员状态检测算法，其特征在于：包括以下步骤：/nS1：YOLO的改进，修改原网络的残差单元，原结构中的残差单纯，由zero-padding层(零填充)、DBL组件(卷积+BN层+LeakyRelu)和n个残差结构res unit(两个DBL组件+add)构成；/nS2：在原来的DBL组件后加入瓶颈注意力模型BAM，然后经过2个DBL组件，再加入卷积注意力模型CBAM；/nS3：修改后的网络进行训练，具体步骤如下：/na：获取课堂监控视频，间隔或随机抽取部分帧画面，使用标注工具标注每张图中的目标信息，制成数据集；/nb：将数据集送入修改后的YOLO网络进行训练；/nc：训练完成后得到针对该数据集类型的模型文件，使用该模型可以检测相应类别的视频和图像。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南交通大学，未经西南交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910413104.8/，转载请声明来源钻瓜专利网。
- 上一篇：基于人脸对象位置分析的定位平台
- 下一篇：基于信号分析的时长调节方法
