基于改进YOLOv3网络的学生特定行为识别

• 作者: 王全民 王春辉
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: K-means 图像增强 损失函数 YOLOv3网络 姿态识别
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 90-96
• 页数: 7页
• 分类号: TP311
• 字数: 4807字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.07.018

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王全民	北京工业大学信息学部	44	222	7.0	12.0
2	王春辉	北京工业大学信息学部	1	0	0.0	0.0