买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽师范大学

摘要：本发明公开一种基于改进的Densenet模型的课堂行为识别分类方法及系统，包括：通过摄像机采集课堂行为图像数据，构建课堂行为数据库；在Densenet模型中增加StemBlock模块，得到第一Densenet模型；在第一Densenet模型中增加通道注意模块，得到第二Densenet模型；将课堂行为数据库中的行为图像数据输入至改进后的网络模型即为第二Densenet模型，对课堂行为进行识别分类。本发明对已有数据集进行训练，可以提取图像的深层特征，从而获得更丰富的图像信息，使用StemBlock模块，可以在不带来过多计算耗时的前提下，提高网络的特征表达能力。在两个DenseBlock之间加入自注意力机制，可以使网络更加关注图像的重要特征区域，不会丢失样本的重要信息，从而使得特征提取更加高效，之后更好的做分类。

主权项：1.一种基于改进的Densenet模型的课堂行为识别分类方法，其特征在于，包括：S1、通过摄像机采集课堂行为图像数据，构建课堂行为数据库；S2、在Densenet模型中增加StemBlock模块，得到第一Densenet模型；S3、在第一Densenet模型中增加通道注意模块，得到第二Densenet模型；S4、将课堂行为数据库中的行为图像数据输入至改进后的网络模型即为第二Densenet模型，对课堂行为进行识别分类；所述步骤S2中的在Densenet模型中增加StemBlock模块，得到第一Densenet模型包括：将StemBlock模块替代Densenet模型中的7×7卷积以及3×3最大池化；所述Densenet模型的卷积核在二维图像上采用的是二维的离散卷积，其计算公式为： 其中，Ix,y表示特征图在位置x,y上的值，kx,y表示m×n维的卷积核，某一层卷积核的输入特征图尺寸为M×N，卷积核尺寸为k×k，填充为t，步长为s；利用深度为32、步长为2的3×3卷积接收行为图像数据，进行提取特征操作，再分为两个并行操作，其中一个并行操作为先进行深度为16、步长为1的1×1卷积操作，再进行深度为32、步长为2的3×3卷积操作；另一个并行操作为进行步长为2的2×2卷积的最大值池化操作，最后将两个并行操作的输出拼接输入至深度为32、步长为1的1×1的卷积；所述步骤S3中的在第一Densenet模型中增加通道注意模块，得到第二Densenet模型包括：实现对通道注意模块中的通道进行选择，公式为： 其中，σ为sigmoid函数，F表示原特征图，AvgpoolF为平均池化，MaxPoolF为最大池化，和表示平均池化特征和最大池化特征，McF为产生的通道注意力图，MLP为共享网络由一个多层感知器组成，包括一个隐含层；分别计算每张特征图的全局平均池化及全局最大池化信息，再通过全连接层后相加来得到通道注意力参数，其中两者共用相同的全连接网络，McF与F进行元素相乘得到F′，其中，为元素乘法，F′为计算得到的通道注意图。

全文数据：

权利要求：

百度查询： 安徽师范大学 一种基于改进的Densenet模型的课堂行为识别分类方法及系统