基于有效通道注意力机制的DeepSort地铁客流追踪算法

目录

声明

致谢

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 主要研究内容

1.4 论文组织结构

1.5 本章小结

2 相关理论基础

2.1 深度学习和神经网络

2.2 卷积神经网络

2.3 循环神经网络

2.4 本章小结

3 地铁客流目标检测与追踪算法优选

3.1 客流目标检测算法

3.1.1 Faster R-CNN算法

3.1.2 YOLOv3算法

3.1.3 客流目标检测算法实验对比

3.2 客流跟踪算法

3.2.1 DeepSort客流跟踪算法

3.2.2 DaSiamRPN客流跟踪算法

3.2.3 客流目标追踪算法实验对比

3.3 本章小结

4 基于DeepSort算法改进的地铁客流追踪技术

4.1 基于通道注意力机制的DeepSort客流追踪算法

4.1.1 基于SE模块的特征提取模型

4.1.2 基于ECA-ResNet50的DeepSort客流追踪算法

4.3 客流目标追踪效果对比

4.3.1 算法实验环境

4.3.2 地铁客流场景下算法对比

4.4 本章小结

5 总结与展望

参考文献

作者简历及攻读硕士/博士学位期间取得的研究成果

独创性声明

学位论文数据集