基于改進YOLOv10n算法的課堂行為識別研究

打開文本圖片集

摘要：針對當前課堂行為識別技術(shù)檢測精度不足的問題，文章提出了一種基于三階段優(yōu)化策略的改進YOLOv10n算法，以提升檢測性能：首先，在主干網(wǎng)絡(luò)中采用自適應核卷積（Adaptive Kernel Convolution， AKConv） 替代標準卷積模塊，以適應目標的多尺度變化；其次，在C2f結(jié)構(gòu)后集成卷積塊注意力模塊（Convolutional Block Attention Module， CBAM） ，以增強關(guān)鍵特征的表達；最后，針對教學場景中密集小目標檢測需求，重構(gòu)特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)——移除20×20大目標檢測層，強化160×160小目標檢測能力。（剩余10658字）