-
公开(公告)号：CN109086803B
公开(公告)日：2022-10-14
申请号：CN201810755419.6
申请日：2018-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于深度学习与个性化因子的雾霾能见度检测系统，该系统包括数据库建立模块，用于构建不同能见度的雾霾能见度图片库；能见度提取模块，用于根据所述雾霾能见度图片库提取所述雾霾能见度图片中涉及场景的标志物的能见度，建立能见度坐标，并对所述雾霾能见度图片中涉及的场景进行编号，个性化因子提取模块，用于针对所述场景编号进行归一化，并将其定义为特征值，并根据场景编号提取个性化因子；神经网络训练模块，用于将所述个性化因子和所述雾霾能见度图片输入到卷积神经网络中进行训练；本发明采用基于深度学习的卷积神经网络结构能够自动提取数据集特征与传统方向比更加渐变，可以快速处理大数据集，节省了大量的训练时间。
-
公开(公告)号：CN109214331B
公开(公告)日：2022-03-15
申请号：CN201811002540.8
申请日：2018-08-30
Applicant: 南京邮电大学
IPC: G06V20/54 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明揭示了一种基于图像频谱的交通雾霾能见度检测方法。其实现步骤主要是：（1）采集不同场景下不同能见度的高速公路雾霾能见度图片，用以建立图片库。（2）以高速公路车道线为标识物建立坐标，用以测量雾霾图片能见度；（3）对图片做余弦变换，来提取图片的高频、低频信息，作为特征；（4）将所提取特征输入深度神经网络进行训练；并应用于实测。本发明采用高低频信息作为神经网络输入特征，提高了检测精度；同时采用深度神经网络模型，对大数据集进行处理提供了便利条件。
-
公开(公告)号：CN109035779B
公开(公告)日：2021-01-19
申请号：CN201811002046.1
申请日：2018-08-30
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。
-
公开(公告)号：CN109035779A
公开(公告)日：2018-12-18
申请号：CN201811002046.1
申请日：2018-08-30
Applicant: 南京邮电大学
CPC classification number: G08G1/0125 , G06Q10/04 , G06Q50/26
Abstract: 本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。
-
公开(公告)号：CN109214331A
公开(公告)日：2019-01-15
申请号：CN201811002540.8
申请日：2018-08-30
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于图像频谱的交通雾霾能见度检测方法。其实现步骤主要是：（1）采集不同场景下不同能见度的高速公路雾霾能见度图片，用以建立图片库。（2）以高速公路车道线为标识物建立坐标，用以测量雾霾图片能见度；（3）对图片做余弦变换，来提取图片的高频、低频信息，作为特征；（4）将所提取特征输入深度神经网络进行训练；并应用于实测。本发明采用高低频信息作为神经网络输入特征，提高了检测精度；同时采用深度神经网络模型，对大数据集进行处理提供了便利条件。
-
Patent Agency Ranking
公开(公告)号：CN109948471A
公开(公告)日：2019-06-28
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
公开(公告)号：CN109903557A
公开(公告)日：2019-06-18
申请号：CN201910159828.4
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进独立循环神经网络的高速公路交通流预测方法，以高速公路交通流数据为预测基础，改进并重构独立循环神经网络；将DenseBlock作为隐藏特征提取器对交通流数据提取特征图，然后对提取的特征图信息进行全局平均池化，再将池化后的结果置于由IndRNNCells组成的预测头中，学习时序信息，进行前向预测。应用本发明该预测技术方案，基于改进IndRNN的神经网络结构能够自动学习流量数据几种流量之间隐藏的特征关系，有效克服了传统网络不能考虑交通流数据潜在趋势的不足，并且达到了较高模型精度的效果。
-
公开(公告)号：CN109086803A
公开(公告)日：2018-12-25
申请号：CN201810755419.6
申请日：2018-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于深度学习与个性化因子的雾霾能见度检测系统，该系统包括数据库建立模块，用于构建不同能见度的雾霾能见度图片库；能见度提取模块，用于根据所述雾霾能见度图片库提取所述雾霾能见度图片中涉及场景的标志物的能见度，建立能见度坐标，并对所述雾霾能见度图片中涉及的场景进行编号，个性化因子提取模块，用于针对所述场景编号进行归一化，并将其定义为特征值，并根据场景编号提取个性化因子；神经网络训练模块，用于将所述个性化因子和所述雾霾能见度图片输入到卷积神经网络中进行训练；本发明采用基于深度学习的卷积神经网络结构能够自动提取数据集特征与传统方向比更加渐变，可以快速处理大数据集，节省了大量的训练时间。
-
公开(公告)号：CN106372576A
公开(公告)日：2017-02-01
申请号：CN201610705858.7
申请日：2016-08-23
Applicant: 南京邮电大学
CPC classification number: G06K9/00228 , G06K9/00268 , G06N3/02 , H04N7/18
Abstract: 本发明公开了一种基于深度学习的智能室内入侵检测方法及系统，包括：建立BP神经网络模型；利用帧间差分算法获得监控视频画面中相邻帧间的差分图像；对所获取的差分图像进行二值化处理，及对处理后的图像中提取静止背景下的变化前景区域图像；对所提取的变化前景图像检测和识别其是否存在人形；当识别存在人形时，从所述变化前景区域中检测和提取获得人脸区域图像；对所提取的人脸区域图像检测和识别其是否为用户图像；及在识别判断为非用户图像时，确定为非用户入侵并向用户发送报警信号。本发明抗其他运动物体干扰能力强、误判率低，可进行大量的视频数据分析，可以准确地进行入侵检测识别。
-
公开(公告)号：CN109948471B
公开(公告)日：2022-08-23
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
