SCB-YOLO: легкая адаптивная сеть с усиленным вниманием для обнаружения поведения учащихся в сложных условиях класса

Новый взгляд на наблюдение за классом

Учителя всегда полагались на глаза и интуицию, чтобы определить, слушает ли ученик, читает или безмятежно отключился. Но в современных переполненных аудиториях и школах, ориентированных на данные, одному человеку почти невозможно отслеживать поведение каждого ребёнка в реальном времени. В этой статье представлен SCB-YOLO — компактная система искусственного интеллекта, которая автоматически обнаруживает ключевые действия учащихся — например, поднятие руки, чтение или письмо — по обычному видеопотоку классов, даже при плохом освещении, плотной посадке и визуальном шуме. Цель не в том, чтобы заменить учителей, а в том, чтобы предоставить им стабильный, объективный поток информации о вовлечённости учеников, открывая путь к более персонализированному и отзывчивому обучению.

Почему поведение учащихся важно

Простые действия в классе несут удивительно много информации. Частое поднятие рук, продолжительное чтение и сосредоточенное письмо тесно связаны с тем, насколько хорошо ученики усваивают материал и насколько они вовлечены. Традиционно учителя или наблюдатели фиксировали такие поведенческие признаки вручную — процесс медленный, субъективный и трудно масштабируемый за пределы нескольких уроков. Ранние попытки автоматизации опирались на носимые датчики или специальное оборудование в помещении, но такие решения были навязчивыми, дорогими и вызывали вопросы приватности. Современное компьютерное зрение, напротив, может работать с обычными видеопотоками, которые уже есть во многих школах, превращая сырые пиксели в запись поведения учащихся без вмешательства в процесс обучения.

От сырых кадров до распознанного поведения

SCB-YOLO базируется на популярной семействе моделей зрения YOLO, способных за один быстрый проход обнаруживать и локализовать объекты на изображении. Авторы адаптировали облегчённый вариант YOLOv11n и специально перестроили его для начальных школьных классов, где освещение неравномерно, столы и стены загромождены, а ученики часто закрывают друг друга. Их набор данных, SCB-Dataset3-S, содержит более 5000 реальных фотографий класса с разметкой по трём основным действиям: поднятие руки, чтение и письмо. Эти категории выбраны потому, что они одновременно важны с образовательной точки зрения и визуально сложны для различения — особенно отличить письмо от чтения, что может требовать учёта тонких различий в положении руки и головы.

Уточнение контуров и объединение масштабов

Две ключевые новации помогают SCB-YOLO работать в хаотичных реальных сценах. Во-первых, модуль Global Edge Information Transfer фокусируется на контурах и очертаниях — например, границе поднятой руки или границе между кистью и тетрадью. Применяя классические фильтры выделения краёв не к самому изображению, а к ранним признакам сети, а затем передавая эти уточнённые контуры в более глубокие слои, система лучше обводит поведения, такие как поднятие руки и письмо, даже когда ученики малы или частично скрыты. Во-вторых, новый модуль слияния MANet_Star комбинирует информацию с разных масштабов более интеллектуально. Он пропускает признаки через несколько лёгких ветвей, имитирующих внимание, усиливая наиболее информативные паттерны и при этом сохраняя модель достаточно компактной для работы в реальном времени.

Насколько хорошо система работает

На эталоне SCB-Dataset3-S SCB-YOLO превосходит широкий круг других оптимизированных моделей семейства YOLO. Она повышает стандартную меру точности (mAP@0.5) на 2,6 процентных пункта по сравнению с исходной YOLOv11n, достигая 71,8 процента и при этом оставаясь способной обрабатывать видео в реальном времени. Прирост особенно заметен для самой сложной категории — письма — где точность увеличивается сильнее, чем в других классах, а путаница с чтением значительно уменьшается. Визуальный анализ внутренних тепловых карт сети показывает, что по сравнению с базовой моделью SCB-YOLO точнее фокусируется на книгах, руках и головах, особенно у небольших или удалённых учащихся. Испытания на устройствах от мощной настольной графической карты до компактного модуля Jetson показывают, что система способна комфортно работать с частотой, превышающей реальное время, в реалистичных развёртываниях.

Что это значит для будущих классов

Для неспециалистов главный вывод в том, что теперь возможно создавать классные камеры, которые делают больше, чем просто записывают — они умеют в базовой форме понимать, чем заняты ученики и насколько они вовлечены. SCB-YOLO демонстрирует, что с тщательно продуманными модулями для уточнения контуров и объединения информации по масштабам относительно небольшая модель ИИ может надёжно выявлять ключевые обучающие поведения в переполненных и несовершенных условиях. В ближайшем будущем такие системы могут интегрироваться в аналитические платформы и инструменты репетиторства, предупреждая учителей об ухудшении внимания, выделяя уроки, где ученики теряют интерес, и поддерживая более индивидуализированное обучение. При ответственном использовании и строгих гарантиях приватности эта технология может стать тихим, но мощным союзником в обеспечении каждому ребёнку необходимого внимания.

Цитирование: Guo, C., Yuan, B., Xie, J. et al. SCB-YOLO: a lightweight adaptive attention-enhanced network for student behavior detection in complex classroom settings. Sci Rep 16, 13309 (2026). https://doi.org/10.1038/s41598-026-43753-9

Ключевые слова: умный класс, вовлеченность учащихся, компьютерное зрение, обнаружение поведения, лёгкое глубокое обучение