公开(公告)号：CN112489023A

公开(公告)日：2021-03-12

申请号：CN202011401716.4

申请日：2020-12-02

Applicant: 重庆邮电大学

Inventor： 程文科 ,  周应华

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多尺度和多层次的路面裂缝检测方法，属于道路表面裂缝识别领域，包括以下步骤：获取待检测图像创建训练集和测试集；创建包含编码器、解码器、多尺度模块和多层次模块的深度卷积神经网络；训练和测试所述深度卷积神经网络模型，得到裂缝检测神经网络模型；使用裂缝检测神经网络模型对待检测的图像进行像素级分类，输出裂缝的二值图像。本发明，能够实现完全依靠深度神经网络模型自动提取裂缝特征，实现路面裂缝的自动检测，具有检测过程简单、检测速度快和效率高等优点。

公开(公告)号：CN111160628A

公开(公告)日：2020-05-15

申请号：CN201911282630.1

申请日：2019-12-13

Applicant: 重庆邮电大学

Inventor： 程爱华 ,  周应华 ,  程文科

IPC: G06Q10/04 ,  G06N3/04 ,  G01N33/00 ,  G01N15/06

Abstract: 本发明提供了一种基于CNN和双注意力seq2seq的空气污染物浓度预测方法。包括以下步骤：1)获取预测区域站点的一段时间内的历史空气污染物浓度数据；2)对这些历史数据进行预处理，对缺失的数据采用拉格朗日插值法进行填充，进行标准化处理；3)构建组成污染物浓度数据的时空矩阵，并通过CNN提取其空间特征；4)对预测站点的所有污染物历史浓度数据值提取，通过seq2seq模型架构的编码端提取其时间特征；5)在seq2seq的编码端增加特征注意力机制，编、解码端均采用两层LSTM神经网络，同时解码端引入时间注意力机制，6)拼接得到的时间特征和空间特征来更新下一预测时刻的隐层状态，最后解码端的输出得到预测数据。本发明分别引入了特征和时间注意力，同时将时间和空间特征进行融合，从而有效地提高了数据预测精度。