课堂学生动作检测yolo数据集统计

最新推荐文章于 2025-04-29 00:15:42 发布
最新推荐文章于 2025-04-29 00:15:42 发布
阅读量644 收藏 26
点赞数 24
文章标签： YOLO 经验分享 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2201_75563094/article/details/146836487
版权

课堂学生动作检测yolo数据集统计

梳理了课堂学生动作检测的开源工具与数据集资源，Roboflow、Kaggle等平台的通用数据集，分析了十余个课堂场景专用数据集的特点（如大学/中小学场景、6-8类行为标注）及其训练效果，部分数据集存在图像裁剪过度、背景单一、标注质量参差不齐等问题，提供YOLOv8模型训练流程、多数据集整合方案（涵盖7类行为）以及针对裁剪图像的背景增强优化策略，

EduSense

https://github.com/edusense/edusense?tab=readme-ov-file

在这里插入图片描述

开源，有详细的部署说明，使用docker部署

功能：

  1. 识别肢体，坐下站立、举手放手…
  2. 识别面部，张嘴闭嘴、微笑不笑、面部向前向后…
  3. 识别头部，头部左右转动角度，上下转动角度…
  4. 识别音频，学生端麦克风还是老师端麦克风…

数据集

网站资源

### **通用目标检测数据集**

1. **[Roboflow Universe](https://universe.roboflow.com/)** 🚀
   - 提供各种已标注的数据集，支持直接导出为 YOLO 格式。
   - 适用于目标检测、分类和分割任务。
2. **[Kaggle Datasets](https://www.kaggle.com/datasets?search=object+detection)**
   - 大量免费的目标检测数据集，可下载用于 YOLO 训练。
   - 常见数据集包括 COCO、Pascal VOC、Helmet Detection、Face Mask Detection 等。
3. **[Common Objects in Context (COCO)](https://cocodataset.org/)**
   - 经典目标检测数据集，包含 80 类常见物体，适用于泛化能力强的模型训练。
   - 也可使用 [COCO 数据集的 YOLO 格式版本](https://github.com/ultralytics/COCO-YOLO)。
4. **[Pascal VOC](http://host.robots.ox.ac.uk/pascal/VOC/)**
   - 目标检测经典数据集之一，包含 20 类目标，可用于轻量级模型训练。
   
###  课堂学生行为检测相关数据集

如果你关注的是课堂学生行为检测，可参考：

1. **[Classroom Action Dataset](https://www.kaggle.com/datasets/sayakpaul/classroom-action-recognition)**
   - 记录课堂上学生的不同行为（如举手、写字、听讲等）。
2. **[UCF101 (行为识别)](https://www.crcv.ucf.edu/data/UCF101.php)**
   - 尽管主要是视频数据，但可以提取帧进行目标检测。
3. **[AI Hub 教育行为数据集](https://www.aihub.or.kr/aidata/34123)**
   - 包含教育场景下的学生动作数据，适合行为分析。

1.数据集X

1500张，RCNN.v7i.yolov8,zip

是裁剪后的图像，检测效果极为不好，将图像整体都框选了

https://universe.roboflow.com/can-tho-university/rcnn-oatkt/dataset/7

  1. Bend Over The Desk - 弯腰桌前
  2. Hand Under Table - 手放在桌子下
  3. Look Around - 四处张望
  4. Normal - 正常
  5. Stand Up - 站起来
  6. Wave - 挥手

训练记录

yolo task=detect mode=train model=yolov8x.pt data=data.yaml epochs=50 imgsz=640
# 预训练模型：yolov8x.pt (最大版本)
# 迭代次数：50
# 平均每次迭代时间：11分钟
# 训练时长：550分钟，大约9小时
图像尺寸过小，识别效果非常不理想

2.▲数据集 教师检测

yolov7

学生课堂行为数据集 (SCB-dataset3)|学生行为分析数据集|教育技术数据集

https://www.selectdataset.com/dataset/23b9033fb1f50e7e437cc373c074ce5f

SCB5-Teacher-Behavior

0-指导-Guide

1-提问-Ask

2-互动-Interact

3-板书-Write

训练记录

迭代到110次达到最佳，未测试

3.▲A 数据集

8000张，1G，archive2.zip

https://www.kaggle.com/datasets/kaiyueyyds/dataset-of-student-classroom-behavior

  • 0-低头写字1》3
  • 1- 低头看书》1
  • 2 - 端坐听课》4
  • 3-转头》5
  • 4-举手》0
  • 5- 站立》6
  • 6-同桌交流
  • 7- 老师指导

训练记录

整体效果较好

检测举手效果不佳，无法检测睡觉，看手机 ，迭代300次

4.超大数据集 裁剪

被裁剪为小图片，即无背景，只有目标

28G，archive.zip

裁剪后的图像

https://www.kaggle.com/datasets/phamluhuynhmai/classroom-student-behaviors/data

  1. Looking_Forward - 向前看
  2. Raising_Hand - 举手
  3. Reading - 阅读
  4. Sleeping - 睡觉
  5. Standing - 站立
  6. Turning_Around - 转身
  7. Writing - 写字

解决方法

增加随机背景图片，位置要随机

5.超大数据集2 裁剪

43G

https://www.kaggle.com/datasets/phamluhuynhmai/classroom-student-behaviors-version-2?select=Behaviors_Features_ver2

  1. Around02 - 四处张望02
  2. Forward02 - 向前看02
  3. Raise02 - 举手02
  4. Read02 - 阅读02
  5. Sleep02 - 睡觉02
  6. Stand02 - 站立02
  7. Write02 - 写字02

6.收费数据集

2000张

https://blog.csdn.net/m0_68036862/article/details/145193583

  1. hand-raising - 举手
  2. reading - 阅读
  3. writing - 书写
  4. using phone - 使用手机
  5. bowing the head - 低头
  6. leaning over the table - 趴桌

7.数据集 未标注

大学课堂

2000张 没有标注文件

https://www.kaggle.com/datasets/asthalochanmohanta/class-room-student-behaviour/data

8.▲E 数据集 场景单一

大学

https://www.kaggle.com/datasets/piyushchakarborthy/classroom-images-or-hand-raised-detection-dataset

active9.zip

4000张 场景单一，都是同一个教室，

0-举手

1-不举手

2-不举手

9.数据集 一类

achive3.zip

只标注了一类标签people

10.▲数据集 集合

https://www.kaggle.com/datasets/hongtrung/student-behavior-recognition

achive6.zip

整理了很多数据集

▲B class5

v14/v15 基本相同

大学教室

V15

  • 0-趴桌子睡觉-大框>2
  • 1-低头-小框
  • 2-抬头小框
  • 3-直立身子-大框

▲C v2/calssroom4-v2

中小学教室

  • 0-举手
  • 1-看书
  • 2-写字

11.▲D 数据集 大学2

https://www.kaggle.com/datasets/venkatraghavreddy/yolov89

achive7.zip

6000张

  • 0-举手
  • 1-看书
  • 2-睡觉
  • 3-写字
  • 4-手机X

12.数据集 大学 举手

achive8.zip

黑白图片

只识别是否举手

0-不举手

https://www.kaggle.com/datasets/tunkedsaro/human-body-classroom

13.已训练模型

https://www.kaggle.com/datasets/nonpat/test010

active5.zip

已经训练好的模型

模型测试

未测试

★自建数据集

由五个数据集（ABCDE）整合

0-举手

1-看书

2-睡觉

3-写字

4-端坐听课

5-转头

6-站立

训练步骤1

数据集下载

https://universe.roboflow.com/can-tho-university/rcnn-oatkt/dataset/7

解压数据集

unzip RCNN.v7i.yolov8.zip -d ./yolov8dataset

解决yolo命令定向错误问题

# 重新安装
sudo rm $(which yolo)
pip uninstall ultralytics
pip install ultralytics

data.yaml配置路径更改

train: /home/sdxk/下载/yolov8dataset/train/images
val: /home/sdxk/下载/yolov8dataset/valid/images
test: /home/sdxk/下载/yolov8dataset/test/images

nc: 6
names: ['Bend Over The Desk', 'Hand Under Table', 'Look Around', 'Normal', 'Stand Up', 'Wave']

roboflow:
  workspace: can-tho-university
  project: rcnn-oatkt
  version: 7
  license: CC BY 4.0
  url: https://universe.roboflow.com/can-tho-university/rcnn-oatkt/dataset/7

下载预训练辅助文件

wget https://github.com/ultralytics/assets/releases/download/v8.3.0/yolo11n.pt

训练命令

yolo task=detect mode=train model=yolov8x.pt data=data.yaml epochs=50 imgsz=640 device=0
# task=detect 目标检测任务
# mode=train 训练模式
# model=yolov8x.pt 预训练模型
# data=data.yaml 数据集配置文件路径
# epochs=50 迭代次数
# imgsz=640 调整图片大小为 640×640 进行训练
  • YOLOv8n （nano，最小模型）
  • YOLOv8s （small）
  • YOLOv8m （medium）
  • YOLOv8l （large）
  • YOLOv8x （extra-large）

进入虚拟环境
conda activate myYolov8

解决shell关闭后服务器也停止运行的问题：

# 安装tmux
conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge tmux

tmux attach -t yolov8_train
# 进入虚拟环境
conda activate myYolov8
# 开始训练
yolo task=detect mode=train model=yolov8s.pt data=data.yaml epochs=50 imgsz=640 device=0,1

# 关闭终端仍会在后台运行

# 完全关闭tmux，在tmux中输入：
exit
课堂行为检测的深度学习应用：YOLOv5 + UI界面 + 数据集
m0_52343631的博客
02-06 277
YOLO（You Only Look Once）是目前非常流行的一种目标检测算法。YOLOv5是YOLO系列中的一个轻量级版本，它在准确率和实时性方面表现优秀，适合实时检测任务。YOLOv5采用了先进的卷积神经网络（CNN）架构，通过对图像进行分网格处理，能够有效地定位目标，并进行分类。本文详细介绍了基于YOLOv5和UI界面的课堂行为检测系统的设计与实现。通过深度学习技术，我们能够实现实时且高效的课堂行为检测，帮助教师更好地管理课堂。接下来，您可以根据实际需求进行进一步的优化和功能扩展。
YOLOv5改进策略|YOLO模型优化|基于YOLOv5智慧课堂中的学习行为识别
sybh的博客
06-15 1011
近年来，随着云课堂、网络课堂的大量使用，以及智慧课 堂成为国家重点发展工程，记录和识别学生课堂表现的需求 日益增加。教育界已经有很多研究通过学生的动作和行为表 现来预测和判断学生未来在课堂上的表现和成就。传统上， 教师在课堂上维持纪律并手动记录学生在课堂上的表现。这种方法效率低下，无法 提供课堂的整体视图，并且很容易受到教师主观性的影响。如今，利用计算机视觉技术识别学生在课堂上的状态已成为 建设智慧教室的重要技术基础[1]。
课堂行为动作识别数据集
weixin_51534858的博客
04-18 409
全部为教室监控真实照片，没有网络爬虫滥竽充数的图片，可直接用来训练。以上图片均一一手工标注，标签格式为VOC格式。适用于YOLO算法、SSD算法等各种目标检测算法。本人使用此数据集训练的yolov5s模型，准确率在98.6%左右，可准确完成课堂学生检测任务。如有需要可以提供训练好的权重文件和检测UI界面。以下为数据集的部分图片展示，有需要的朋友可以随时交流交流。xml .txt格式都有 Yolo可直接训练 已跑通。
如何使用YOLOv8训练课堂行为动作识别数据集 课堂行为动作识别数据集 一共8884张图片 xml .txt格式都有 Yolo可直接训练 已跑通 动作类别一共8类
QQ_1309399183的博客
12-13 1211
如何使用YOLOv8训练课堂行为动作识别数据集 课堂行为动作识别数据集 一共8884张图片 xml .txt格式都有 Yolo可直接训练 已跑通 动作类别一共8类 实现可视化和评估
如何训练自己的数据集之行为类别数据集
2401_88441190的博客
10-26 1094
行为类别数据集 打架数据集 考场行为数据集 考生行为数据集 学生行为检测数据集 学生数据集 1.考场考生行为检测数据集14类 7000张 带标注 voc yolo 2打架数据集3类 打架 摔倒 持械
毕业设计-基于深度学习的学生课堂行为检测算法系统 YOLO python 卷积神经网络 人工智能
2301_79555157的博客
11-20 2422
毕业设计：基于深度学习的学生课堂行为检测算法系统，该系统旨在帮助教师更好地理解学生在课堂上的行为和参与度。通过使用深度学习技术，我们构建了一个端到端的模型，能够从实时视频流中准确地检测学生的行为，如举手、写字、专注等。该系统不仅可以自动化地记录学生的课堂行为，还能提供实时反馈和数据分析，帮助教师更好地进行课堂管理和个性化指导。该算法系统具有高准确性和实时性，为教育领域提供了一种全新的智能化课堂监控和分析工具。
计算机视觉实战项目集锦and深度学习数据集集锦一网打尽
qq1309399183的博客
01-30 1285
计算机视觉实战项目集锦and深度学习数据集集锦一网打尽
yolov8/v11/v12如何进行视频推理检测
qq1309399183的博客
03-22 917
资料学习类 计算机视觉实战项目集锦 建筑分割 车牌 船舶类 电力设备相关数据 数据集 小目标 电力设备红外相关数据 医学 焊接钢铁缺陷类 自动驾驶道路类检测 植物病害类数据 水面河道垃圾类 轴承类 电力电线设备类 语义分割 深度学习 道路病害 行为姿态类数据 煤矿井下类 成熟度类 计算机视觉 裂缝检测 PCB芯片类 虫害数据 火灾烟雾类 小麦穗数据集 裂缝类 管道类下水管排水管 安全行为类别数据 睡觉 卷积神经网络 实例分割 遥感 工程机械类 动物类 轨道类数据 工程车类 无人机类 植物成熟度类 游戏类 深
QT界面-疲劳驾驶检测/课堂行为检测/危险驾驶行为检测-疲劳检测、分心检测、抽烟行为检测、玩手机检测、喝水检测(毕业设计)-YOLOv11/YOLOv10/YOLOv8/YOLOv7/YOLOv5
weixin_44944382的博客
04-01 645
本项目通过YOLOv11/YOLOv10/YOLOv9/YOLOv8/YOLOv7/YOLOv5、Dlib和PySide2实现了一个疲劳驾驶检测系统，可为一些同学的课设、大作业等提供参考。该项目分为两个部分，疲劳检测和抽烟、玩手机、喝水分心行为检测。可提供整套代码(含详细注释)、训练好的权重、数据集、测试视频和详细说明文档。可以部署到树莓派、香橙派、Jetson Nano、瑞芯微RK3588等开发板上，也可调用摄像头输入视频流进行实时推理。
基于yolov7的课堂讲师授课人体检测，包含数据集和训练权重
03-10
1. 数据集的构建：要实现课堂讲师授课的人体检测，首先需要收集和构建一个包含讲师和学生的人体图像数据集。这些数据集不仅需要包含不同姿态和光照条件下的讲师授课图像，还需要有精确的人体标注信息，以便用于训练...
数据集构建与标注秘籍：打造学生课堂行为识别的坚实基石
课堂行为识别技术正逐渐受到教育技术研究者的关注，其核心在于通过有效的数据集构建和标注技术，实现对学生在课堂上的行为进行准确识别。本文首先介绍了课堂行为识别的概念和数据集的重要性，随后详细阐述了构建数据...
YOLO目标检测在教育领域：智能教育的未来模式
YOLO（You Only Look Once）是一种实时目标检测算法，因其速度快、准确性高而闻名。它采用单次卷积神经网络（CNN）对图像进行处理，同时预测目标的位置和类别。与传统的目标检测算法不同，YOLO无需生成候选区域，...
YOLO12改进-模块-引入HaloNet 局部自注意力HaloNet local self-attention 自注意力机制轻量化
qq_64693987的博客
04-28 895
分块局部自注意力（Blocked Local Self-Attention）该方法将计算复杂度从 O (N²) 降至 O (B²)，同时通过 Halo 区域实现跨块信息传递，平衡了局部细节与全局上下文。分块策略：将图像划分为 B×B 的非重叠块，每个块作为查询区域（Query Block）。Halo 区域扩展：每个查询块周围扩展 H×H 的 Halo 区域，形成 (B+2H)×(B+2H) 的邻域块（Key/Value Block）。Halo 区域允许相邻块的信息交互，扩大感受野。注意力计算。
Yolov8导出onnx显示每层输出shape的方法
qq_44908396的博客
04-28 217
文章展示了为onnx模型增加每层输出张量shape的方法
计算机视觉进化论：YOLOv12、YOLOv11与Darknet系YOLOv7的微调实战对比
最新发布
lgf228的专栏
04-29 1145
YOLO系列作为实时目标检测领域的重要里程碑，持续引领速度与精度的平衡发展。本文围绕YOLOv7（基于Darknet框架）、YOLOv11及YOLOv12，系统、深入地对比了三款模型的架构创新、微调策略、核心技术及应用场景。我们详细解析了三者骨干网络设计（如Darknet-53、E-ELAN、C3k2模块）、注意力机制（如YOLOv12的Area Attention）以及参数优化策略（动态数据增强、量化剪枝），并结合工业检测、医疗影像、自动驾驶等多样化应用展开实战案例。
基于YOLO的瓷砖缺陷检测系统设计与实现（附数据集+源码）
qq_36224726的博客
04-29 918
本文实现的系统展示了深度学习与传统工业检测结合的强大潜力。通过YOLO算法的高精度检测能力，配合精心设计的GUI界面，为制造业质量管控提供了可靠的技术工具。
基于OpenMV+STM32+OLED与YOLOv11+PaddleOCR的嵌入式车牌识别系统开发笔记
weixin_46221106的博客
04-26 2212
本文融入了实际开发中获得的宝贵经验，特别是针对嵌入式设备与云端协同AI系统的优化策略。主要是通过OpenMV端收集得到图像，通过wifi模块将数据传递给PyTorch进行数据处理，得到返回的数据后再OLED上进行显示，实物如下图所示。：在本地做智能预筛选（如车牌定位），云端执行复杂OCR，实现精度与延迟的最佳平衡。：通过C++扩展实现OpenMV的NEON指令加速，使图像预处理速度提升3倍。：采用向前兼容的二进制协议，通过version字段实现无缝升级。WebSocket推送结果。
将多边形标注数据转为YOLO的txt格式
m0_55951222的博客
04-26 162
格式：一对一对的浮点数，表示多边形顶点的 x 和 y 坐标。坐标是归一化的，即值范围在 [0, 1] 之间，分别表示相对于图像的宽度和高度。
BoxMOT：Yolov8+多目标跟踪方案_笔记1
m0_60657960的博客
04-28 254
【代码】BoxMOT：Yolov8+多目标跟踪方案。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值