基于改进YOLOv3网络的学生特定行为识别

摘要：

为了提高卷积神经网络在学生行为识别应用的检测精度,本文使用K-means聚类对特有数据集进行聚类得到更适应的anchor box,并且提出一种基于改进损失函数的YOLOv3网络模型.该网络模型将原有的平方和损失函数权重进行动态转化,注重计算连续变量的损失.新的损失函数能有效减低Sigmoid函数梯度消失的影响,使模型收敛更加快速.实验结果表明,基于改进损失函数的深度卷积神经网络应用对"抬头""低头""说话"3种姿态的识别均有提高.

关键词：K-means、图像增强、损失函数、YOLOv3网络、姿态识别

分类号：TP311(计算技术、计算机技术)

在线出版日期：2020-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：90-96