：真实场景下采集的课堂行为目标检测数据集，可直接用于YOLO各版本训练)
数据集概述
- 数据来源：真实课堂场景采集，经抽帧处理与人工标注，包含6类典型行为（举手、阅读、书写、使用手机、低头、俯身），覆盖多光照条件、多视角及部分遮挡情况。
- 数据分布：
- 训练集：1418张（标注框总数：24,700）
- 验证集：407张（标注框总数：4,592）
- 测试集：203张（标注框总数：2,643）
类别统计详情
训练集
- 举手：1,552框
- 阅读：10,006框
- 书写：3,726框
- 使用手机：7,364框
- 低头：970框
- 俯身：1,082框
验证集
- 举手：571框
- 阅读：2,587框
- 书写：818框
- 使用手机：2,015框
- 低头：293框
- 俯身：308框
测试集
- 举手：198框
- 阅读：1,504框
- 书写：592框
- 使用手机：1,049框
- 低头：150框
- 俯身：150框
技术规范
- 标注格式：YOLO标准格式（
class_id x_center y_center width height），兼容YOLOv5-v8及后续版本。 - 可视化示例：
模型训练配置
- 基础模型：YOLOv8s
- 预处理：
- 图像分辨率归一化（416×416）
- 动态增强（Mosaic、随机仿射变换）
- 超参数：
- 初始学习率：0.01
- 批次大小：16
- 训练轮次：100
- 启动命令：
python train.py --data classroom.yaml --cfg yolov8s.yaml --weights yolov8s.pt
性能评估
- 核心指标：
- mAP@0.5：0.92
- mAP@0.5:0.95：0.78
- 精确率：89.5%
- 召回率：87.2%
- 检测效果：
资源获取
课堂行为目标检测数据集及训练模型：用于YOLO模型训练的高质量数据集及模型
