摘要
自动课堂学生行为识别面临三个主要挑战：小目标与复杂背景的共存、细节与语义之间的冲突，以及低质量样本的干扰。为了解决这些问题，本文提出了一种基于场景的集成优化框架，称为Hyper-YOLO-G。在主干网络中，嵌入了一个Squeeze-and-Excitation（SE）注意力模块来净化特征，从而增强关键行为的检测能力。在颈部网络（neck network）中，引入了一个双向加权特征金字塔网络（BiFPN）来进行尺度平衡的多尺度融合。此外，采用了Wise-IoU v3（WIoU v3）损失函数来校准梯度，减少低质量样本的负面影响。在公共课堂行为数据集上的实验结果表明，Hyper-YOLO-G的mAP@50（在IoU阈值为0.5时的平均精度）达到了73.7%，比基线模型Hyper-YOLO高出4.9%。在独立的多类别数据集上的消融研究和泛化实验进一步证明了各个模块的综合有效性以及该框架的泛化能力。本研究为实现复杂课堂环境中高精度、轻量级的行为识别提供了可靠的技术路径。
