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！

龙图腾网获悉大连民族大学申请的专利一种基于改进YOLOv7的学生课堂行为检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117058752B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310884525.5，技术领域涉及：G06V40/20；该发明授权一种基于改进YOLOv7的学生课堂行为检测方法是由王莉娜;代启国设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本一种基于改进YOLOv7的学生课堂行为检测方法在说明书摘要公布了：一种基于改进YOLOv7的学生课堂行为检测方法，其属于课堂行为检测技术领域。首先将Detect预测头改为ASFFDetect结构，使YOLOv7网络模型在不同的特征层级上进行特征融合，以捕捉不同尺度的目标信息，提升目标定位能力。其次，用WDLoss替换原YOLOv7网络模型中的CIoU损失函数，以适应不平衡数据，提高模型泛化能力。最后，添加注意力机制ACmix模块，让网络更加关注待检测目标，增强网络的特征处理能力。本发明提出的改进YOLOv7模型能够在图像分辨率较低，存在不同尺度目标及遮挡情况下有效地检测学生的课堂行为。

本发明授权一种基于改进YOLOv7的学生课堂行为检测方法在权利要求书中公布了：1.一种基于改进YOLOv7的学生课堂行为检测方法，其特征在于，包括以下步骤: 步骤1，获取学生课堂行为视频，对获取的视频拆帧，得到学生课堂行为的图片； 步骤2，对步骤1获取的图像进行预处理，利用labelImg图像标注工具对学生课堂行为数据集进行标注，并划分数据集，获得学生课堂行为数据集； 步骤3，构建基于改进YOLOv7的学生课堂行为检测网络，在YOLOv7算法主干网络中添加ACmix注意力卷积模块，对YOLOv7算法中的预测头部分进行改进，将原有YOLOv7算法中的Detect替换为ASFFDetect结构，通过在训练过程中学习不同层次特征的最佳融合方法，过滤掉携带矛盾信息的其他层特征；同时引入NWD-basedRegressionLoss作为损失函数； 所述基于改进YOLOv7的学生课堂行为检测网络主要包含Input、Backbone、Neck、Head4部分；在Neck部分引入的ACmix注意力卷积模块，具体包括以下步骤： 第一阶段：通过3个1×1卷积对输入特征进行投影，然后重组为N块；获得包含3×N中间特征的特征映射； 第二阶段：按照不同的范式使用，对于自注意力路径，将中间特征收集到N组中，其中每组包含三个特征，对应q,k,v；对于内核大小为k的卷积路径，采用轻量级全连接层生成K2个特征图，通过移位和聚合生成特征； 第三阶段，将两个路径的输出相加，其强度由两个可学习标量控式所示： Fout＝αFatt+βFconv1 其中Fout表示路径的最终输出，Fatt表示自注意力分支的输出，Fconv表示卷积注意力分支的输出，参数α和β的值均为1； 在Head部分将原有网络中的Detect预测头替换为ASFFDetect预测头，ASFFDetect模块包含两步：同尺寸变换和自适应特征融合； 1特征同尺寸变换：不同层的特征图尺寸不一致，重塑到相同的尺寸；小尺寸变大尺寸需要进行上采样，大尺寸变小尺寸需要进行下采样； 2自适应融合：将分别为来自level，level2，level3的特征X1，X2，X3，与为来自不同层的特征乘上权重参数α，β和γ并相加，得到新的融合特征ASFF-3： 2 其中，意味着输出特征的i，j向量在通道间映射yl，是指在三个不同层次到层次L的特征图的空间重要性权重；采用相加的方式，需要对不同层的feature做上采样或下采样并调整通道数；使得level1～3层输出的特征大小相同，且通道数也要相同； 对于权重参数α，β和γ，则是通过resize后的level1～level3的特征图经过1×1的卷积得到的；并且权重参数α，β和γ经过concat层之后通过softmax函数使得他们的范围都在[0,1]内并且和为1： 3 其中，意味着输出特征的i，j向量在通道间映射yl，是指在三个不同层次到层次L的特征图的空间重要性权重，替换原模型的损失函数以NWD度量设计为损失函数： 4 其中Np为预测框P的高斯分布模型，Ng为GT框G的高斯分布模型；基于NWD的损失提供梯度|P∩G|＝0和|P∩G|＝P或G； 步骤4，将数据集中的图像数据作为输入，输入到改进后的YOLOv7模型中进行训练，得到训练好的学生课堂行为检测模型； 步骤5，将待检测的学生课堂场景图像送入到训练好的模型中，得到学生的行为类别和置信度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。