DBRA-SCSA-YOLO：一种用于基于图像的学生课堂行为检测的多注意力网络

《Scientific Reports》：DBRA-SCSA-YOLO: a multi-attention network for image-based student classroom behavior detection

　　

摘要

基于视觉的课堂行为检测面临学生分布密集、频繁遮挡、背景杂乱和尺度变化大等挑战。为应对这些问题，本研究提出了DBRA-SCSA-YOLO，一种增强的YOLOv8检测器，集成了双分支感受野注意力（DBRA）模块和空间-通道可分离注意力（SCSA）机制。DBRA提升了感受野适应性和多尺度特征表示能力，而SCSA在特征融合后执行分阶段空间定位精修和通道级语义重校准。实验使用SCB-Dataset5的三类子集进行，并将YOLOv8变体和基于Transformer的检测器作为对比基线。模型采用标准目标检测指标进行评估，包括精确率、召回率和mAP。在五个随机种子下，DBRA-SCSA-YOLO的精确率、召回率、mAP@50和mAP@50-95平均值分别为0.695、0.685、0.720和0.536。与YOLOv8n相比，该模型的平均mAP@50和mAP@50-95分别提升了9.5和9.0个百分点。消融实验和架构敏感性分析进一步支持了DBRA和SCSA在所述实验条件下的互补作用。该框架适用于静态课堂图像，未引入时序信息。因此，研究结论应被视为数据集内的证据，需借助独立课堂数据集来建立跨环境泛化能力和实际部署能力。