公开(公告)号：CN115965590A

公开(公告)日：2023-04-14

申请号：CN202211604634.9

申请日：2022-12-13

Applicant: 东南大学

Inventor： 王晨 ,  周威 ,  展云飞 ,  张汉成 ,  赵雷

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/50

Abstract: 本发明公开了一种基于少量跨域数据学习的道路缺陷检测方法，涉及道路缺陷检测技术领域，为了降低检测模型对训练数据量的需求，本文基于Faster R‑CNN模型提出了适用于少样本场景下的道路缺陷检测方法，具体地，设计了一个缺陷加权分支来提取每种道路缺陷的外观特征，使得Faster R‑CNN能够基于给定的道路缺陷外观特征，快速定位图像中的道路缺陷；此外还提出了一种数据增强方法，不仅扩大了标记数据的丰富度，还缓解了应用时可能存在的跨域问题，从而有效提升了少样本情况下道路缺陷检测模型的精度，有望被实际应用到实际道路养护任务中。

公开(公告)号：CN113807213A

公开(公告)日：2021-12-17

申请号：CN202111012376.0

申请日：2021-08-31

Applicant: 东南大学

Inventor： 张汉成 ,  钱振东 ,  胡靖

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于行为特征的车主身份预认证方法，该方法具体为：使用压力传感器采集不同志愿者打开车门时的压力数据，并进行人工标注；对压力数据进行预处理，利用预处理后的压力数据对认证模型进行训练，得到训练好的认证模型；采集车辆的合法用户多次打开车门时的压力数据，并进行预处理，作为合法用户的参考样本集；采集未知用户打开车门时的压力数据，并进行预处理，作为认证样本；使用训练好的认证模型对认证样本和参考样本集中的各参考样本进行相似度对比，并进行预认证，若预认证通过则打开车门，否则需要用户使用钥匙解锁。本发明利用用户在开车门的过程中的动作特征来对用户身份的合法性进行预认证，提高了用户体验以及安全性。

公开(公告)号：CN113807213B

公开(公告)日：2024-05-28

申请号：CN202111012376.0

申请日：2021-08-31

Applicant: 东南大学

Inventor： 张汉成 ,  钱振东 ,  胡靖

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80

Abstract: 本发明公开了一种基于行为特征的车主身份预认证方法，该方法具体为：使用压力传感器采集不同志愿者打开车门时的压力数据，并进行人工标注；对压力数据进行预处理，利用预处理后的压力数据对认证模型进行训练，得到训练好的认证模型；采集车辆的合法用户多次打开车门时的压力数据，并进行预处理，作为合法用户的参考样本集；采集未知用户打开车门时的压力数据，并进行预处理，作为认证样本；使用训练好的认证模型对认证样本和参考样本集中的各参考样本进行相似度对比，并进行预认证，若预认证通过则打开车门，否则需要用户使用钥匙解锁。本发明利用用户在开车门的过程中的动作特征来对用户身份的合法性进行预认证，提高了用户体验以及安全性。

公开(公告)号：CN113780130A

公开(公告)日：2021-12-10

申请号：CN202111010856.3

申请日：2021-08-31

Applicant: 东南大学

Inventor： 张汉成 ,  胡靖 ,  钱振东

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于磁场数据的车型识别方法，具体为：利用磁场传感器采集不同类型车辆经过时的磁场数据，并对磁场数据进行人工标注，标明车辆型号；对采集并标注的磁场数据进行预处理；采用预先训练好的深度自编码器对预处理后的磁场数据进行深度特征的提取；利用提取的深度特征对支持向量机分类器进行训练，得到训练好的支持向量机分类器；利用磁场传感器采集待识别车辆的磁场数据，并进行预处理；采用预先训练好的深度自编码器对预处理后的磁场数据进行深度特征提取，并用训练好的支持向量机分类器进行车辆类型识别。本发明仅使用磁场传感器即可实现交通流中车型的识别，降低了车型识别的成本。

公开(公告)号：CN116542108A

公开(公告)日：2023-08-04

申请号：CN202310562448.1

申请日：2023-05-18

Applicant: 东南大学

Inventor： 丁珣昊 ,  叶钟匀 ,  刘家豪 ,  黄菲雨 ,  马涛 ,  张伟光 ,  张汉成 ,  韩涛 ,  田沛欣 ,  刘丰腾

IPC: G06F30/23 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明公开了一种基于神经网络学习的道路水稳基层开裂性能预测方法，步骤如下：首先CT扫描水泥基试件，并通过软件对图像进行分割并三维重构，计算试件各粒径的取向分布指标和空隙率；其次，将模型导入ABAQUS中进行单轴拉压数值试验，获得其压缩模量与拉伸模量。接着，构建神经网络模型，将试件各粒径的取向分布指标和空隙率作为输入数据，压缩模量与拉伸模量作为输出数据进行训练；最后，在半刚性基层开裂路段钻芯取样进行扫描重构，计算其材料形态分布情况，输入神经网络模型，预测得出材料的拉压性质，判断其材料性能，通过神经网络学习对沥青路面的半刚性基层的拉压回弹模量进行预测，从而指导材料设计施工。