买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆师范大学

摘要：本发明公开了一种基于改进YOLOv8‑Pose的智慧教室学生姿势关键点检测方法，涉及智慧教育技术领域，包括以下步骤：S1、引入CBAM轻量级注意力模块：用于小目标检测和复杂场景感知；提高对小目标个体的敏感度；并提供CBAM的主要数学推导过程；本发明中，引入CBAM轻量级注意力模块，以增强网络对检测目标的关注，从而提高对个体的敏感度，采用多个尺度检测头，使算法能够全面检测复杂图像中多个不同大小的个体，尤其是图像中的人体；本方法可以增强在智慧教室中上课的学生和老师的识别率，增强识别的感知，能更好配合现代化科技化教育了解学生课堂学习状态和教师上课行为，它可以推动在各个省份地区中小学教室中的应用和发展，具有实际和理论的意义。

主权项：1.一种基于改进YOLOv8-Pose的智慧教室学生姿势关键点检测方法，其特征在于，包括以下步骤：S1、引入CBAM轻量级注意力模块：用于小目标检测和复杂场景感知；提高对小目标个体的敏感度；并提供CBAM的主要数学推导过程：用于获取频道特征权重分布的频道关注度计算公式如下：Mc＝σFCAvgPoolX+FCMaxPoolX；其中Mc表示通道注意力的输出，用于调整通道特征的权重。该公式计算通道注意力的特征表示；用于获得空间位置的权重分布的空间注意力计算公式如下：Ms＝σFCAvgPoolX+FCMaxPoolX其中Ms表示空间注意力的输出，用于调整空间位置的权重；该公式计算空间注意力的特征表示；通过元素乘法将通道和空间注意力结合起来的公式如下： 该公式使用逐元素乘法将通道注意力和空间注意力结合起来，从而产生全面的注意力特征图；注意力特征图生成公式如下：A＝ConvM该公式通过卷积运算生成最终的注意力特征图，用于调整输入特征图中的通道和空间信息；用于在应用注意力之后生成特征图的公式如下： 该公式将输入特征图乘以注意力特征图元素，得到应用注意力后的特征图；用于生成最终输出特征图的公式如下：Y＝ConvReLUBNS该公式通过卷积、校正线性单元ReLU和批量归一化BN操作生成最终输出特征图，用于后续任务；S1.1、采用多个尺度检测头：使算法能够全面检测复杂图像中多个不同大小的个体，尤其是图像中的人体；S2、增加跨层次的级联融合：用于进一步增强了浅层和深层网络之间的特征融合，降低了小目标个体的漏检率；S3、损失函数改进：SIoU损失函数：修改替换了损失函数CIOU，用修改后的SIOU重新定义算法的边界框回归定位损失函数；S3.1、通过一系列的实验，验证YOLOv8-PoseRoom在小目标和复杂场景下运动关键点检测的优异性能；S4、新的迭代训练策略：第一个阶段使用特定值1e-4初始化学习率，然后再达到每个里程碑时减少学习率；紧接着，使用前一阶段获得的最佳模型作为预训练模型来初始化参数，重设学习率，并从特定的epoch重新开始训练，然后运行流程的其余部分。

全文数据：

权利要求：

百度查询： 重庆师范大学 一种基于改进YOLOv8-Pose的智慧教室学生姿势关键点检测方法