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！

龙图腾网获悉长春师范大学申请的专利一种基于改进的YOLOv12模型的课堂行为识别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：CN120452061B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510524422.7，技术领域涉及：G06V40/20；该发明授权一种基于改进的YOLOv12模型的课堂行为识别方法是由别梅;张允峥;王冰;王选遥;刘亚娟;宋凯设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种基于改进的YOLOv12模型的课堂行为识别方法在说明书摘要公布了：本发明公开了一种基于改进的YOLOv12模型的课堂行为识别方法，所述方法根据课堂行为识别应用场景提出改进的YOLOv12模型，在主干网络和颈部网络处设计使用将A2C2f与特征细化前馈网络FRFN模块相结合的A2C2f_FRFN模块，通过多阶段的线性变换、卷积操作以及门控机制，能在课堂行为识别中加强对微小的动作或姿势变化的关注度和提升捕捉细节的能力。在主干网络和颈部网络处设计使用将C3k2与结构感知视觉状态空间模块SAVSS相结合的C3k2_SAVSS模块，通过方向扫描水平、垂直、对角线与结构化状态空间模型，能捕捉长程依赖与全局特征，两者结合可全面融合局部细节与全局上下文。

本发明授权一种基于改进的YOLOv12模型的课堂行为识别方法在权利要求书中公布了：1.一种基于改进的YOLOv12模型的课堂行为识别方法，其特征在于所述方法包括如下步骤： 步骤一、获取课堂行为图像的数据集； 步骤二、将数据集划分为验证集、训练集、测试集，处理成YOLOv12的网络模型识别格式； 步骤三、使用改进的YOLOv12模型的课堂行为识别检测模型训练数据集，所述改进的YOLOv12模型在检测层上增加一个P2检测头，在主干网络和颈部网络处设计并使用了将A2C2f与特征细化前馈网络FRFN模块相结合的A2C2f_FRFN模块，在主干网络和颈部网络处设计并使用了将C3k2与结构感知视觉状态空间模块SAVSS相结合的C3k2_SAVSS模块； 所述A2C2f_FRFN模块的实现过程如下：输入特征向量首先被导入基于父类初始化逻辑构建的初始卷积层，该层通过低秩映射对输入特征图实施通道压缩，借助卷积核在特征图空间域的滑动卷积，执行权重与对应位置元素的乘积累加运算，完成输入通道到隐藏通道的维度变换，提取具有基础表征能力的特征信息；随后进入由ABlock_FRFN模块构成的循环处理流程，将列表末端元素作为输入依次传入各模块序列；经ABlock_FRFN模块处理生成的特征向量与原始输入特征向量进行残差映射融合，最终输出融合特征，其前向传播数学表达式为： ； 所述C3k2_SAVSS模块的实现过程如下：上一级输入特征通过初始卷积层调整通道数，生成隐藏特征，其中隐藏通道数为，将输入至由n个SAVSS模块组成的序列中，每个SAVSS对特征进行特定变换，并输出中间特征；最后将最终输出与原始的上一级输入特征相加，得到融合结果，其前向传播数学表达式为： 所述SAVSS模块实现过程如下：首先对上一级输入特征进行两次GBC操作，该模块内部包含四个并行子模块：两个3×3深度卷积分支用于捕获局部空间细节，两个1×1卷积分支用于跨通道信息交互，配合组归一化和ReLU激活函数实现高效特征增强，最终通过残差连接保留原始信息避免梯度消失；将增强后的特征图Xgbc从空间维度展开为序列形式并送入SAVSS_2D模块，通过结构化状态空间模型结合多方向扫描策略实现长程依赖建模；SSM输出的序列化特征与通过PAF模块深度融合，该模块首先通过双路特征变换生成基特征与引导特征的键值对，计算空间相似性图以量化位置相关性，进而以为权重对原始特征和SSM特征进行软分配融合，最终阶段通过线性变换和残差连接稳定训练过程：组归一化缓解内部协变量偏移，线性层提升特征维度适应性，跳跃连接确保信息无损传递后输出，其前向传播数学表达式为： 其中σ为Sigmoid函数，⊙表示逐元素乘法； 步骤四、使用训练集和验证集对课堂行为识别检测模型进行训练，得到最优检测模型后使用测试集评估课堂行为识别检测模型的性能； 步骤五、结合监控与最优检测模型对学生课堂行为进行实时的识别检测。

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长春师范大学，其通讯地址为：130032 吉林省长春市长吉北线677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。