提出一种基于改进You Only Look Once version 4-tiny(YOLOv4-tiny)算法的人工智能教学系统人体跟踪识别方法,以解决现有技术在实际教学场景中识别精度不高、实时性差和环境适应性弱的问题。通过引入卷积块注意力模块、联合损失函数以...提出一种基于改进You Only Look Once version 4-tiny(YOLOv4-tiny)算法的人工智能教学系统人体跟踪识别方法,以解决现有技术在实际教学场景中识别精度不高、实时性差和环境适应性弱的问题。通过引入卷积块注意力模块、联合损失函数以及特征金字塔网络结构,对YOLOv4-tiny算法进行改进。利用Kinect传感器收集信息,结合改进的YOLOv4-tiny算法进行用户命令的识别与分析。改进后的识别方法在两种数据集中的精确率分别为92.53%和96.23%。对10个教学动作的识别准确率分别平均提高了2.79%、4.31%。结果表明,将改进的算法与教学系统集成,能够提高算法对人体手部动作的跟踪识别效率,为教学方式的优化提供新途径,提高教学效率和智能化发展,具有重要的实际应用价值和理论意义。展开更多
文摘提出一种基于改进You Only Look Once version 4-tiny(YOLOv4-tiny)算法的人工智能教学系统人体跟踪识别方法,以解决现有技术在实际教学场景中识别精度不高、实时性差和环境适应性弱的问题。通过引入卷积块注意力模块、联合损失函数以及特征金字塔网络结构,对YOLOv4-tiny算法进行改进。利用Kinect传感器收集信息,结合改进的YOLOv4-tiny算法进行用户命令的识别与分析。改进后的识别方法在两种数据集中的精确率分别为92.53%和96.23%。对10个教学动作的识别准确率分别平均提高了2.79%、4.31%。结果表明,将改进的算法与教学系统集成,能够提高算法对人体手部动作的跟踪识别效率,为教学方式的优化提供新途径,提高教学效率和智能化发展,具有重要的实际应用价值和理论意义。
