基于YOLOv5m和注意力机制融合的地铁车厢乘客实时检测

摘要：

针对现有以人工查看监控和票卡方式获得乘客乘车情况的效率不足,提出一种基于改进YOLOv5m模型的地铁车厢乘客实时检测方法.自制Metro数据集,将注意力模块CBAM与YOLOv5m模型的主干网络融合,提高网络的特征提取能力,从而提升检测器识别效果.实验结果表明,本方法的精准率和正确检测率分别达到92.3％和87％,比YOLOv5m模型有显著提高,能够满足对地铁车厢乘客实时目标检测的技术需求.

关键词：YOLOv5m模型、地铁车厢、实时检测、注意力机制

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：高分专项70-Y40G09-9001-18/20

在线出版日期：2022-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：53-58