論文の概要: Student Classroom Behavior Recognition Based on Improved YOLOv8s

• arxiv url: http://arxiv.org/abs/2604.27293v1
• Date: Thu, 30 Apr 2026 01:13:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.85721
• Title: Student Classroom Behavior Recognition Based on Improved YOLOv8s
• Title（参考訳）: 改良型YOLOv8に基づく生徒の授業行動認識
• Authors: Xiang Gao, Shuai Hang,
• Abstract要約: 本稿では,ALC-YOLOv8sをベースとした授業行動認識モデルを提案する。 いくつかの主流検出手法と比較して,提案手法は複雑な教室シナリオにおいて,生徒の行動自動認識の要件を満たすことができる。
• 参考スコア（独自算出の注目度）: 4.311211660681507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In classroom teaching, student behavior can reflect their learning state and classroom participation, which is of great significance for teaching quality analysis. To address the problems of dense student targets, numerous small objects, frequent occlusions, and imbalanced class distribution in real classroom scenes, this paper proposes an improved student classroom behavior recognition model named ALC-YOLOv8s based on YOLOv8s. The model introduces SPPF-LSKA to enhance contextual feature extraction, employs CFC-CRB and SFC-G2 to optimize multi-scale feature fusion, and incorporates ATFLoss to improve the learning ability for minority classes and hard samples. Experimental results show that compared with the baseline model, the improved model achieves increases of 1.8% in mAP50 and 2.1% in mAP50-95. Compared with several mainstream detection methods, the proposed model can well meet the requirements of automatic student behavior recognition in complex classroom scenarios.
• Abstract（参考訳）: 教室の授業では、生徒の行動は学習状況や教室への参加を反映し、質分析を教える上で非常に重要である。 そこで本研究では, YOLOv8sをベースとした高密度な学生ターゲット, 多数の小対象, 頻繁な隠蔽, 不均衡なクラス分布の課題に対処するために, ALC-YOLOv8s を改良した授業行動認識モデルを提案する。 このモデルは、文脈的特徴抽出を強化するためにSPPF-LSKAを導入し、CFC-CRBとSFC-G2を使ってマルチスケールな特徴融合を最適化し、ATFLossを組み込んで、マイノリティクラスやハードサンプルの学習能力を向上させる。 その結果,mAP50では1.8%,mAP50-95では2.1%の増加が得られた。 いくつかの主流検出手法と比較して,提案手法は複雑な教室シナリオにおいて,生徒の行動自動認識の要件を満たすことができる。

関連論文リスト

• Automatic Assessment of Students' Classroom Engagement with Bias Mitigated Multi-task Model [0.0]
  本研究は,オンライン学習における学生のエンゲージメントレベルを自動的に検出するシステムを開発する必要性に焦点を当てた。 我々は、モデルが性別などのセンシティブな特徴を予測に利用しないよう、新しいトレーニング手法を提案する。 提案手法は,倫理基準の適用だけでなく,モデル予測の解釈可能性の向上にも有効である。
  論文  参考訳（メタデータ） (2025-10-24T22:39:01Z)
• EvaLearn: Quantifying the Learning Capability and Efficiency of LLMs via Sequential Problem Solving [76.73222429266964]
  EvaLearnは、大きな言語モデル(LLM)を学習能力と課題の効率性を評価するために設計されたベンチマークである。 9つのフロンティアモデルをベンチマークし、様々な性能プロファイルを観察する。 静的能力の強い現在のLLMは、全てのタスクにおいて学習能力に明らかな優位性を示すものではない。
  論文  参考訳（メタデータ） (2025-06-03T09:18:33Z)
• Alice: Proactive Learning with Teacher's Demonstrations for Weak-to-Strong Generalization [69.96794098855938]
  Weak-to-strong Generalization (W2SG)は、ますます有能な言語モデル(LLM)を監督するための有望なフレームワークを提供する。 伝統的なW2SG手法は受動的学習に依存しており、弱い教師は強い生徒を訓練するためにノイズの多いデモを提供する。 教師と生徒の相補的な知識を活用して学習プロセスを強化するフレームワークであるAliceを紹介した。
  論文  参考訳（メタデータ） (2025-04-09T22:33:06Z)
• Addressing Class Imbalance with Probabilistic Graphical Models and Variational Inference [10.457756074328664]
  本研究では,深い確率的グラフィカルモデル(DPGM)に基づく不均衡データ分類手法を提案する。 本稿では,少数クラスの表現能力を適応的に調整できる変分推論最適化確率モデルを提案する。 逆学習機構を組み合わさって、潜在空間におけるマイノリティクラスサンプルを生成し、モデルがカテゴリ境界をより正確に特徴づけられるようにします。
  論文  参考訳（メタデータ） (2025-04-08T07:38:30Z)
• Asymmetric Decision-Making in Online Knowledge Distillation:Unifying Consensus and Divergence [18.640219880439062]
  本稿では,中間空間表現を活用する革新的な手法を提案する。 本稿では,学生モデルの特徴コンセンサス学習を強化するために,非対称意思決定(ADM)を提案する。
  論文  参考訳（メタデータ） (2025-03-09T16:32:25Z)
• Multi-Scale Deformable Transformers for Student Learning Behavior Detection in Smart Classroom [5.487296795434267]
  マルチスケール変形型変圧器(SCB-DETR)を用いた学生の学習行動検出について紹介する。 この技術は、学生の行動分析のための堅牢なソリューションを提供することにより、マルチスケールおよび隠蔽対象の検出能力を著しく改善する。 SCB-DETRは平均平均精度(mAP)が0.626で、これはベースラインモデルのmAPよりも1.5%改善され、AP50は6%増加した。
  論文  参考訳（メタデータ） (2024-10-10T11:51:57Z)
• Collaborative Learning for Enhanced Unsupervised Domain Adaptation [15.97351561456467]
  UDA(Collaborative Learning for UDA)は,教師の非塩分パラメータを学生モデルを用いて更新する手法である。 CLDAは、GTA-to-Cityscapesデータセットのベースラインモデルと比較して、教師モデルで+0.7% mIoU、学生モデルで+1.4% mIoUの改善を実現している。
  論文  参考訳（メタデータ） (2024-09-04T13:35:15Z)
• Robust Learning with Progressive Data Expansion Against Spurious Correlation [65.83104529677234]
  本研究では,2層非線形畳み込みニューラルネットワークの学習過程について検討した。 分析の結果,不均衡なデータ群と学習容易なスプリアス特徴が学習過程におけるスプリアス特徴の優位性に繋がる可能性が示唆された。 本稿では,PDEと呼ばれる新たなトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-08T05:44:06Z)
• On the Stability-Plasticity Dilemma of Class-Incremental Learning [50.863180812727244]
  クラス増分学習の第一の目的は、安定性と可塑性のバランスをとることである。 本稿では,近年のクラス増分学習アルゴリズムが,安定性と塑性のトレードオフにいかに効果的かを明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2023-04-04T09:34:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。