“赵池航”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果69个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度学习融合模型的车辆类型识别方法-CN202310664169.6在审
发明人： 赵池航;张子怡;马欣怡 -专利权人：东南大学
申请日： 2023-06-06 - 公布日： 2023-10-10 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于深度学习融合模型的车辆类型识别方法，包括：构建高速公路场景中车辆顶视图图像数据集；构建基于深度学习的高速公路场景中车辆类型检测与识别方法CenterNet，并使用crop函数裁剪车辆目标区域；构建基于深度学习的车辆类型识别模型VTR‑NASNetLarge，获取一维特征向量FN；构建基于深度学习的车辆类型识别模型VTR‑VGG16，获取一维特征向量FV；构建基于深度学习的车辆类型识别模型VTR‑MobileNetV2，获取一维特征向量FM；将特征向量FN、FV、FM并联融合，构建基于深度学习车辆类型识别融合模型DFN‑VTR进行高速公路场景中车辆收费车辆类型识别。本发明提出获取车辆顶视图中的车辆目标区域并构建深度学习融合模型，可更精确地实现车辆类型的识别，对车辆信息感知提供技术支持。
一种基于深度学习融合模型车辆类型识别方法

[发明专利]基于先验循环神经网络的高速公路沥青路面使用性能预测方法-CN202310753313.3在审
发明人： 赵池航;张子怡;刘洋 -专利权人：东南大学
申请日： 2023-06-25 - 公布日： 2023-09-26 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于先验循环神经网络的高速公路沥青路面使用性能预测方法，包括：构建高速公路路面养护信息矩阵；对高速公路沥青路面使用性能衰变特点与影响因素进行分析，并选取相关特征；构建经典循环神经网络模型RNN‑EAPPP；构建长短时神经网络模型LSTM‑EAPPP；构建门控循环单元神经网络模型GRU‑EAPPP；构建先验经典循环神经网络模型PK‑RNN‑EAPPP；构建先验长短时神经网络模型PK‑LSTM‑EAPPP；构建先验门控循环单元神经网络模型PK‑GRU‑EAPPP；进行对比实验，选取性能最好的模型PK‑GRU‑EAPPP。本发明提出高速公路路面养护信息矩阵构建方法并构建用于高速公路沥青路面使用性能预测模型，对道路养护的数字化、智能化发展具有重要意义。
基于先验循环神经网络高速公路沥青路面使用性能预测方法

[发明专利]基于深度学习融合模型的高速公路车辆图像检索方法-CN202211154277.0有效
发明人： 赵池航;吴宇航;李昊;苏子钧;马欣怡 -专利权人：东南大学
申请日： 2022-09-21 - 公布日： 2023-09-26 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于深度学习融合模型的高速公路车辆图像检索方法，包括如下步骤：S1、采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；S2、采用DenseNet121、ResNet50与VGG16网络作为检索网络，构建多种不同的基于单特征多网络融合深度学习模型车辆图像检索模型与多网络多特征融合深度学习模型车辆图像检索模型进行图像检索；S3、构建基于深度学习融合模型的实验结果评价指标，分别对基于深度学习融合模型的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明构建的模型性能优于单网络模型，在高速公路场景中检索正确率均高于97％，且平均检索时间并未明显增加。
基于深度学习融合模型高速公路车辆图像检索方法

[发明专利]基于卷积神经网络模型的字符非分割模式车牌识别方法-CN202210943795.4在审
发明人： 赵池航;苏子钧;化丽茹;吴宇航;马欣怡 -专利权人：东南大学
申请日： 2022-08-08 - 公布日： 2023-08-01 - 主分类号： G06V20/62 文献下载
摘要：本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。
基于卷积神经网络模型字符分割模式车牌识别方法

[发明专利]基于深度学习融合网络的字符非分割模式车牌识别方法-CN202210943681.X在审
发明人： 赵池航;化丽茹;苏子钧;吴宇航;马欣怡 -专利权人：东南大学
申请日： 2022-08-08 - 公布日： 2023-08-01 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种基于深度学习融合网络的字符非分割模式车牌识别方法，包括以下步骤：对高速整车图像的车牌区域进行检测并构建高速公路车牌图像集；基于基于CTC损失函数与ResNet50‑LPR卷积神经网络block1、block3、block5这三层输出的车辆号牌图像特征向量进行串联融合，构建融合模型FResNet50；基于车牌识别的注意力编码方式，在FResNet50融合模型后添加注意力编码模块，完成FResNet50‑Attention深度学习融合网络模型的构建；使用高速公路车牌图像集对构建好的FResNet50‑Attention卷积神经网络模型进行训练，最终完成对车辆号牌的识别。本发明的识别性能优于单一的ResNet50‑LPR卷积神经网络和传统融合方式下的FResNet50卷积神经网络融合模型，其对于整副车牌的识别准确率达到了93.224％。
基于深度学习融合网络字符分割模式车牌识别方法

[发明专利]基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统-CN202310354520.1在审
发明人： 赵池航;解兴鹏;李旋;石鑫;薛善光;苏子钧;吴宇航;马欣怡 -专利权人：东南大学;河北交通职业技术学院
申请日： 2023-04-04 - 公布日： 2023-07-07 - 主分类号： G06V20/56 文献下载
摘要：本发明公布了基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，包括：集成了路侧激光雷达、视频感知器及高清抓拍相机融合的雷视融合车辆信息感知层；基于边缘计算服务器的车辆全息识别与风险行为辨识边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了车辆全息感知、高精度车辆轨迹追踪、车辆风险识别以及统计分析的应用软件层。发明的有益效果在于：能够将激光雷达信息与视频图像信息融合，实现复杂公路场景下车辆风险行为识别，并根据风险行为识别结果获取对应车辆全息感知数据，对全路段风险行为区域统计分析及风险车辆追踪，为道路安全监测系统提供高精度、高可靠性的车辆信息感知及风险行为识别的功能。
基于雷视多源数据深度融合车辆全息感知风险行为识别系统

[发明专利]基于车辆全息感知与OBU信息融合的智慧收费系统-CN202111407558.8有效
发明人：崔建;康传刚;马晓刚;陈雪珲;曹蓉;赵池航;化丽茹;李昊;刘洋;苏子钧;吴宇航 -专利权人：山东高速股份有限公司;东南大学
申请日： 2021-11-24 - 公布日： 2023-06-06 - 主分类号： G07B15/06 文献下载
摘要：本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统，包括：集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层；基于边缘计算服务器的车辆全息识别与检索边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于：能够将车辆全息信息与OBU信息融合，获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况，并根据多源信息检索到未交易成功的车辆，能够实现门架间的智慧协同及融合运算，以减少ETC收费的逃、漏费率，并实现逃费车辆稽查功能，为公路收费管理提供良好的基础保障。
基于车辆全息感知 obu 信息融合智慧收费系统

[发明专利]基于神经网络的高速公路养护大数据分类决策方法-CN202210857806.7在审
发明人： 赵池航;许朦升;刘洋;冯玉荣 -专利权人：东南大学
申请日： 2022-07-20 - 公布日： 2023-04-14 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于神经网络的高速公路养护大数据分类决策方法，包括：研究分析了高速公路养护系统中的大数据分析技术；基于机器学习高速公路养护数据处理方法，采用NLP词袋模型对高速公路中文本类的数据进行规格化处理，通过对文本类数据进行词频统计之后得到词频特征，将其词袋化之后转化成数值形式，采用自编码器模型对数据进行降维处理；采用人工标签将养护建议分为三类，构建了用于高速公路养护大数据分类决策的梯度提升决策树分类模型，将对分类决策的影响因素从传统仅考虑路面使用性能增加到同时考虑路面使用性能、车道数两种基础数据以及历史养护数据。本发明对路面养护数据进行处理和分类决策，对高速公路养护决策系统提供技术支持。
基于神经网络高速公路养护数据分类决策方法

[发明专利]基于卷积神经网络模型的字符分割模式车牌识别方法-CN202211143811.8在审
发明人： 赵池航;化丽茹;苏子钧;石鑫;薛善光;孟玉文;张希庆;吴宇航;马欣怡 -专利权人：东南大学;河北交通职业技术学院
申请日： 2022-09-20 - 公布日： 2022-12-30 - 主分类号： G06V20/62 文献下载
摘要：本发明公布了基于卷积神经网络模型的字符分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，构建高速公路车牌图像集；基于图像比例的方法，对车牌字符进行分割；构建不同字符集的分类卷积神经网络模型，优选Inceptionv3‑LPCR、ResNet50‑LPCR、ResNeXt‑LPCR和MNASNet‑LPCR模型完成车辆号牌识别。本发明的有益效果在于：能够有效对车牌的字符进行分割，构建符合真实高速场景且适用于神经网络学习的车牌图像集，同时选用结构合理的卷积神经网络，完成对车辆牌照的自动识别，提升了车牌识别的准确率与速度，对于车辆的识别有着重要的作用。
基于卷积神经网络模型字符分割模式车牌识别方法

[发明专利]基于深度学习神经网络的高速公路车辆图像检索方法-CN202211157110.X在审
发明人： 赵池航;李昊;吴宇航;苏子钧;马欣怡 -专利权人：东南大学
申请日： 2022-09-21 - 公布日： 2022-12-23 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度学习神经网络的高速公路车辆图像检索方法，包括：采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；分别构建基于VGG16网络、ResNet50网络以及DenseNet121网络的三种基于单一深度学习网络的车辆检索模型，对各图像测试集中的样本数据进行单张循环检索；构建基于深度学习神经网络的车辆图像检索实验的实验结果评价指标，对基于深度学习神经网络的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明具有较佳的正确率和实效性。
基于深度学习神经网络高速公路车辆图像检索方法

[发明专利]基于目标检测的高速公路沥青路面病害检测方法-CN202211007992.1在审
发明人： 赵池航;吴加伦;郑有凤;马欣怡;苏子钧;吴宇航;纪强 -专利权人：东南大学
申请日： 2022-08-22 - 公布日： 2022-11-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于目标检测的高速公路沥青路面病害检测方法，包括：获取图像信息，构建高速公路沥青路面病害数据集；标注数据集，构建训练样本集和测试样本集；针对数据集特征，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD和SSD‑PDD网络模型；进行模型训练并优化参数，优选FR‑PDD、Yolov5s‑PDD以及SSD‑PDD网络模型进行高速公路沥青路面病害检测。本发明的有益效果在于：能够有效对高速公路沥青路面病害进行检测，具有较好的平均识别精度与实时性，可对高速公路养护智能化发展提供技术支持。
基于目标检测高速公路沥青路面病害方法

[发明专利]基于融合卷积神经网络的高速公路沥青路面病害感知方法-CN202211008095.2在审
发明人： 赵池航;郑有凤;马欣怡;苏子钧;吴宇航 -专利权人：东南大学
申请日： 2022-08-22 - 公布日： 2022-11-25 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于融合卷积神经网络的高速公路沥青路面病害感知方法，包括：使用优化Mobilenet V3网络替换Deeplabv3+骨干网络，构建DL‑M‑PDS网络；改进网络参数，构建用于公路沥青路面病害分割的DL‑M2‑PDS优化网络；通过该优化网络获取路面像素级病害信息，并与原图像叠加；对Faster‑RCNN、Yolov5s、SSD模型进行适应性改进，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD、SSD‑PDD网络模型；输入叠加病害图像，构建用于公路沥青路面病害感知的FCNN‑PDP‑FR、FCNN‑PDP‑Yolov5s和FCNN‑PDP‑SSD网络；训练网络并优化参数，优选模型进行高速公路沥青路面病害感知。本发明将公路沥青路面病害分割模型与公路沥青路面病害检测分类模型进行融合，以实现分割病害的同时提高模型的检测分类精度，可对高速公路养护智能化发展提供技术支持。
基于融合卷积神经网络高速公路沥青路面病害感知方法

[发明专利]基于语义分割网络的高速公路沥青路面病害分割方法-CN202211008106.7在审
发明人： 赵池航;马欣怡;郑有凤;吴宇航;苏子钧;纪强 -专利权人：东南大学
申请日： 2022-08-22 - 公布日： 2022-11-25 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于语义分割网络的高速公路沥青路面病害分割方法，包括：构建高速公路沥青路面图像病害数据集；替换FCN骨干网络为Densenet121和Densenet201，构建用于公路沥青路面病害分割的FCN‑D121‑PDS、FCN‑D201‑PDS网络模型；替换Deeplabv3+骨干网络为Mobilenet和DRN，构建用于公路沥青路面病害分割的DL‑D‑PDS、DL‑M‑PDS网络模型；进行模型训练并优化参数，优选FCN‑D121‑PDS、FCN‑D201‑PDS、DL‑D‑PDS、DL‑M‑PDS网络模型进行高速公路沥青路面病害分割；改进Deeplabv3+网络结构，进一步构建DL‑M1‑PDS、DL‑M2‑PDS公路沥青路面病害分割网络并进行网络优选。本发明提出的基于语义分割网络的高速公路沥青路面病害分割方法，具有较好的公路沥青路面病害的细节信息分割能力，能够提高路面病害分割精度与平均交并比，对高速公路养护智能化发展提供技术支持。
基于语义分割网络高速公路沥青路面病害方法

[发明专利]基于改进YOLOv5网络模型的车辆感知方法-CN202210856506.7在审
发明人： 赵池航;诸雨;刘洋 -专利权人：东南大学
申请日： 2022-07-20 - 公布日： 2022-10-11 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了基于改进YOLOv5网络模型的车辆感知方法，包括：在现有成熟的YOLOv5模型基础上，通过对模型特征提取网络引入CA注意力机制模块，同时对模型添加一组锚框和检测层，构造了适用于高速公路场景下的车辆检测和车型分类模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路车辆感知领域可以大大提高车型识别的准确率和实时性，对高速运营管理提供技术支持。
基于改进 yolov5 网络模型车辆感知方法

[发明专利]一种基于深度学习融合模型的车辆颜色识别方法-CN202210660148.2在审
发明人： 赵池航;马欣怡;苏子钧;吴宇航 -专利权人：东南大学
申请日： 2022-06-10 - 公布日： 2022-09-06 - 主分类号： G06V10/56 文献下载
摘要：本发明公开了一种基于深度学习融合模型的车辆颜色识别方法，包括：构建高速公路车脸图像数据集；采用YUV‑FM‑Retinex方法对高速公路车脸图像数据进行图像增强；构建基于深度学习的车辆颜色识别模型VCR‑VGG16，获取一维特征向量FV；构建基于深度学习的车辆颜色识别模型VCR‑Xception，获取一维特征向量FX；构建基于深度学习的车辆颜色识别模型VCR‑DenseNet201，获取一维特征向量FD；将特征向量FV、FX、FD融合，构建基于深度学习车辆颜色识别融合模型VCR‑FDCNN进行车辆颜色识别。本发明提出图像增强预处理方法并构建深度学习融合模型，从而可以更精准的实现车辆颜色的识别，可对高速公路场景的车辆信息感知提供技术支持。
一种基于深度学习融合模型车辆颜色识别方法

1
2
3
4
5
下一页»
尾页
共 69 条