基于神经网络的学生行为检测算法研究 
下载： 850次
Algorithm for Student Behavior Detection Based on Neural Network
天津大学电气自动化与信息工程学院, 天津 300072
图 & 表
图 1. 改进的O-Net网络
Fig. 1. Improved O-Net network
下载图片 查看原文
图 2. 整体网络结构
Fig. 2. Overall network structure
下载图片 查看原文
图 3. 激活函数曲线
Fig. 3. Activation functional curves
下载图片 查看原文
图 4. 损失函数曲线
Fig. 4. Loss functional curves
下载图片 查看原文
图 5. 数据集示例。(a)(b)站立;(c)(d)举手;(e)(f)听讲;(g)(h)写字;(i)(j)睡觉;(k)(l)多人图像
Fig. 5. Dataset examples. (a)(b)Stand; (c)(d) hand up; (e)(f) listen; (g)(h) write; (i)(j) sleep; (k)(l) multiple students
下载图片 查看原文
图 6. 在Jetson TX2上的行为检测流程图
Fig. 6. Flow chart of behavior detection on Jetson TX2
下载图片 查看原文
图 7. 五类行为的检测准确率
Fig. 7. Detection accuracy of five kinds of behaviors
下载图片 查看原文
表 1图像分类网络结构
Table1. Network structure for image classification
| Layer | Output size | Ksize | Padding | Stride |
|---|
| Conv 1 | 100×100 | 5×5 | Same | 1 | | Conv 2 | 50×50 | 2×2 | Valid | 2 | | Conv 3 | 50×50 | 5×5 | Same | 1 | | Max pool | 25×25 | 2×2 | Valid | 2 | | Conv 4 | 25×25 | 3×3 | Same | 1 | | Conv 5 | 12×12 | 3×3 | Valid | 2 | | Conv 6 | 12×12 | 3×3 | Same | 1 | | Conv 7 | 6×6 | 2×2 | Valid | 2 | | Fc 1 | 1152 | | | | | Fc 2 | 192 | | | | | Fc 3 | 5 | | | |
|
查看原文
表 2不同网络结构在不同激活函数以及损失函数下的准确率
Table2. Accuracies of different network structures under different activation functions and loss functions unit: %
| Network structure | Prelu | h-Swish | bh-Swish |
|---|
| SEUCLID | Relative steep loss | SEUCLID | Relative steep loss | SEUCLID | Relative steep loss |
|---|
| Original MTCNN | 75.3 | 75.9 | 77.6 | 77.8 | 78.2 | 78.3 | | Improved MTCNN | 75.8 | 76.2 | 77.8 | 78.1 | 78.4 | 78.6 |
|
查看原文
表 3各算法的准确率
Table3. Accuracy of each algorithm unit: %
| Algorithm | YOLOv3 | tiny-YOLOv3 | SSD | MobileNetV2-SSD | MobileNetV3-SSD | Our algorithm |
|---|
| Dataset | 78.2 | 66.7 | 79.2 | 75.8 | 77.2 | 78.6 | | Jetson TX2 | 74.5 | 60.4 | 77.1 | 73.3 | 74.1 | 77.9 |
|
查看原文
表 4各算法在Jetson TX2上处理1 frame图像的平均时间
Table4. Average time of each algorithm to process 1 frame image on Jetson TX2 unit: ms
| Algorithm | YOLOv3 | tiny-YOLOv3 | SSD | MobileNetV2-SSD | MobileNetV3-SSD | Our algorithm |
|---|
| Time | 780 | 88 | 653 | 80 | 76 | 69 |
|
查看原文
苏寒松, 刘腾腾, 刘高华, 田曦初. 基于神经网络的学生行为检测算法研究[J]. 激光与光电子学进展, 2020, 57(22): 221016. Hansong Su, Tengteng Liu, Gaohua Liu, Xichu Tian. Algorithm for Student Behavior Detection Based on Neural Network[J]. Laser & Optoelectronics Progress, 2020, 57(22): 221016.
PDF全文
