基于YOLOv4的课堂姿态检测
Journal: Modern Education Forum DOI: 10.12238/mef.v4i8.4004
Abstract
本文采用了一种基于YOLOv4网络结构的姿态检测方法，先通过采集学生姿态图像数据建立数据集，再通过YOLOv4网络对数据集进行训练，从而获得权重文件也就是预训练模型，最后调用权重文件实时判断同学们上课的姿态并进行画框操作。实验结果表明，该方法能够有效辨别同学们的姿态变换，但还需要继续深入研究对比，从而找出效果最好的姿态检测模型。
Keywords
YOLOv4；姿态检测；智慧课堂
Full Text
PDF - Viewed/Downloaded: 0 TimesIndexation
Download Index RecordReferences
[1] 吴婕.信息化环境下智慧课堂的构建策略[J].文学教育(下),2021(06):59-61.
[2] 周宸,高伟,郭谋发.基于YOLOv4模型的玻璃绝缘子自爆缺陷识别方法[J].电气技术,2021,22(05):38-42+49.
[3] 黄海新,金鑫.基于YOLOv4的小目标缺陷检测[J].电子世界,2021(05):146-147.
[4] Ren S, He K, Girshick R,et al. Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis Machine Intelligence,2017,39(06): 1137-1149.
[5] 刘顺民,马致明,陈炳才.基于SSD算法的交通指示牌目标检测[J].现代电子技术,2021,44(13):144-147.
[6] 陈宏健.基于智慧教育背景下的高等数学混合式教学研究[J].福建轻纺,2021(07):33-35+45.
[2] 周宸,高伟,郭谋发.基于YOLOv4模型的玻璃绝缘子自爆缺陷识别方法[J].电气技术,2021,22(05):38-42+49.
[3] 黄海新,金鑫.基于YOLOv4的小目标缺陷检测[J].电子世界,2021(05):146-147.
[4] Ren S, He K, Girshick R,et al. Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis Machine Intelligence,2017,39(06): 1137-1149.
[5] 刘顺民,马致明,陈炳才.基于SSD算法的交通指示牌目标检测[J].现代电子技术,2021,44(13):144-147.
[6] 陈宏健.基于智慧教育背景下的高等数学混合式教学研究[J].福建轻纺,2021(07):33-35+45.
Copyright © 2021 侯百川, 周丽
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License