训练数据集(三)：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