公开(公告)号：CN118552915A

公开(公告)日：2024-08-27

申请号：CN202410609559.8

申请日：2024-05-16

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  苏子钧 ,  马欣怡

IPC: G06V20/54 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明公开了一种基于注意力特征融合的高速公路场景中多车辆及多目标部件区域感知方法，包括：构建高速公路场景中多车辆及多目标部件区域检测数据集；构建高速公路场景中多车辆及多目标部件区域匹配数据集；构建用于高速公路场景中多车辆及多目标部件区域感知的PM‑MVMCR‑ECAnet‑OM模型；构建用于高速公路场景中多车辆及多目标部件区域感知的PM‑MVMCR‑ECAnet‑FF‑OM模型；进行对比实验，选取用于高速公路场景中多车辆及多目标部件区域感知的性能最好的模型PM‑MVMCR‑ECAnet‑FF‑OM。本发明提出高速公路场景中多车辆及多目标部件区域检测和匹配数据集构建方法并构建基于注意力特征融合的高速公路场景中多车辆及多目标部件区域感知模型，从而实现全天候多车辆与多目标部件信息的高精度及高效率感知，提升高速公路门架ETC系统感知的性能。

公开(公告)号：CN117197084A

公开(公告)日：2023-12-08

申请号：CN202311160678.1

申请日：2023-09-08

Applicant: 东南大学

Inventor： 赵池航 ,  邓文浩 ,  吴加伦 ,  张子怡 ,  黄雅欣

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提出了一种基于深度融合卷积神经网络的公路快检图像路面病害检测方法，包括：构建公路快检图像路面病害图像标注数据集；构建用于公路快检图像路面病害检测的YOLOv8‑RSDD‑HRII简单模型与YOLOv8‑CBAM‑RSDD‑HRII深度融合基础模型；构建用于公路快检图像路面病害检测的Mobile‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 构建用于公路快检图像路面病害检测的Efficient‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 构建用于公路快检图像路面病害检测的Res‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 并联连接次融合网络模型，将次融合网络模型所生成的检测框坐标进行集成学习，从而构建用于公路快检图像路面病害检测的深度融合卷积神经网络模型DFCNN‑RSDD‑HRII，可以更精准地识别公路快检图像路面病害，有效提高公路养护效率。

公开(公告)号：CN119649133A

公开(公告)日：2025-03-18

申请号：CN202411789193.3

申请日：2024-12-06

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  王珺珺

IPC: G06V10/764 ,  G06V10/26 ,  G06T5/50 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于深度学习融合模型的公路路面病害感知方法，包括：构建了东南大学公路路面病害图像集；构建用于高速场景中路面病害像素级语义分割的DL‑M‑PDS模型；进行路面病害图像像素级分割信息与原图像融合；构建用于高速公路场景中路面病害感知的FCNN‑PDP模型；进行消融实验，选取用于高速公路场景中路面病害感知性能最好的模型FCNN‑PDP。本发明提出高速场景中公路面病害图像数据集的构建方法，构建基于YOLOv8目标检测网络和DeepLabv3语义分割网络高速场景中路面病害感知方法，从而实现高速公路路面病害的高精度实时检测。

公开(公告)号：CN118506334A

公开(公告)日：2024-08-16

申请号：CN202410656867.6

申请日：2024-05-24

Applicant: 东南大学

Inventor： 赵池航 ,  邓文浩 ,  张子怡 ,  黄雅欣 ,  王珺珺

IPC: G06V20/59 ,  G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于优化多源线性融合网络的驾驶姿态行为识别方法，包括：构建驾驶姿态行为标准图像数据集RSF‑DPB和ASU‑DPB；研究用于加强网络关键特征提取能力的MCA模块和缩小特征类内距和扩大特征类间距的OLE损失；构建基于优化方法的驾驶姿态行为识别模型A‑ResNet50‑OLE‑DPB，获取一维特征向量FR；构建基于优化方法的驾驶姿态行为识别模型A‑Xception‑OLE‑DPB，获取一维特征向量FX；构建基于优化方法的驾驶姿态行为识别模型A‑FasterNet‑OLE‑DPB，获取一维特征向量FF；将特征向量FR、FX、FF融合，构建优化多源线性融合网络A‑MFN‑OLE‑DPB，在构建的RSF‑DPB和ASU‑DPB数据集上的精度分别达到了98.23％和93.50％，这为提高网络对驾驶姿态行为的识别精度提供了一种可行方法。

公开(公告)号：CN116805138A

公开(公告)日：2023-09-26

申请号：CN202310753313.3

申请日：2023-06-25

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  刘洋

IPC: G06F30/27 ,  G06Q10/04 ,  G06Q10/0639 ,  G06F18/25 ,  G06F18/214 ,  G06F18/24 ,  G06N3/048 ,  G06N3/0442 ,  G06N5/01 ,  G06N20/00

Abstract: 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。

公开(公告)号：CN118552745A

公开(公告)日：2024-08-27

申请号：CN202410609563.4

申请日：2024-05-16

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  苏子钧 ,  马欣怡

IPC: G06V10/44 ,  G06N3/0464 ,  G06V10/764 ,  G06V10/25

Abstract: 本发明公开了一种基于双分支分类网络的高速公路场景中多车辆及多目标部件区域匹配方法，包括构建高速场景中多车辆及多目标部件区域匹配数据集；构建用于高速公路场景中多车辆及多目标部件区域匹配的ResNet50‑M‑TCR‑ES模型；构建用于高速公路场景中多车辆及多目标部件区域匹配的双分支DB‑ResNet50‑M‑TCR‑ES模型；进行对比实验，选取用于高速公路场景中多车辆及多目标部件区域的性能最好的模型DB‑ResNet50‑M‑TCR‑ES。本发明提出高速场景中多车辆及多目标部件区域匹配数据集的构建方法，构建基于特征提取网络与双分支分类网络的高速公路场景中多车辆及多目标部件区域匹配方法，从而实现全天候多车辆与多目标部件信息的高精度及高效率感知，提升高速公路门架ETC系统感知的性能。

公开(公告)号：CN117291085A

公开(公告)日：2023-12-26

申请号：CN202310750755.2

申请日：2023-06-25

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  刘洋

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/24 ,  G06F18/20 ,  G06Q10/0639 ,  G06N3/04 ,  G06N5/01 ,  G06N20/00

Abstract: 本发明公开了基于贝叶斯多模态神经网络的高速公路沥青路面养护方案决策方法，包括：构建高速公路路面养护信息矩阵；选取高速公路路面养护决策指标；构建用于高速公路沥青路面养护方案决策的多模态神经网络模型MNN‑EAPMD；构建用于高速公路沥青路面养护方案决策的贝叶斯多模态神经网络决策模型BMNN‑EAPMD；构建基于养护方案概率不确定型的决策优化方案。本发明提出高速公路路面养护信息矩阵构建方法、构建用于高速公路沥青路面养护方案决策的贝叶斯多模态神经网络模型并提出了基于不确定性的决策优化方法，从而实现高速公路基础数据及定期检测指标与高速公路沥青路面养护方案之间的映射关系，可以对高速公路养护方案智能化决策提供技术支持。

公开(公告)号：CN117197085A

公开(公告)日：2023-12-08

申请号：CN202311163416.0

申请日：2023-09-08

Applicant: 东南大学

Inventor： 赵池航 ,  吴加伦 ,  邓文浩 ,  张子怡 ,  黄雅欣

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/776 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种基于改进YOLOv8网络的公路快检图像路面病害检测方法，包括：构建公路快检图像路面病害图像标注数据集；构建用于公路快检图像路面病害检测的Faster‑RCNN‑RSDD‑HRII、SSD‑RSDD‑HRII、Retina‑Net‑RSDD‑HRII、YOLOv5‑RSDD‑HRII、YOLOv8‑RSDD‑HRII五种基础模型；通过对比实验与交叉验证实验，得出YOLOv8‑RSDD‑HRII模型是更适应公路快检图像场景下的路面病害基础检测网络模型；考虑到公路快检图像路面病害属于细小类型目标，同时YOLOv8‑RSDD‑HRII模型测试结果的检测率较低，于是在现有YOLOv8网络模型的基础上，通过改进网络内部结构，构建用于公路快检图像细小路面病害检测的改进模型YOLOv8‑SODL‑RSDD‑HRII与YOLOv8‑CBAM‑RSDD‑HRII；通过对比实验与交叉验证实验，得出YOLOv8‑CBAM‑RSDD‑HRII模型更适应公路快检图像场景下的细小路面病害检测，可以更精准地识别公路快检图像路面病害，从而有效提高公路养护效率。

公开(公告)号：CN116863412A

公开(公告)日：2023-10-10

申请号：CN202310664169.6

申请日：2023-06-06

Applicant: 东南大学

Inventor： 赵池航 ,  张子怡 ,  马欣怡

IPC: G06V20/54 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 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。

公开(公告)号：CN116994229A

公开(公告)日：2023-11-03

申请号：CN202310739481.7

申请日：2023-06-20

Applicant: 东南大学

Inventor： 赵池航 ,  邓文浩 ,  张子怡 ,  马欣怡

IPC: G06V20/59 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明提出了一种基于卷积神经网络融合模型的货车驾驶员姿态行为识别方法，包括：构建货车驾驶员姿态行为标准图像数据集；构建用于货车驾驶员姿态行为感知识别的四个模型，并通过对比实验得出RetinaNet‑DPBR的性能最优；使用RetinaNet‑DPBR对标准图像数据集进行驾驶姿态行为区域裁剪与提取；构建基于卷积神经网络的货车驾驶员姿态行为识别模型VGG16‑DPBR，获取一维特征向量FV；构建基于卷积神经网络的货车驾驶员姿态行为识别模型Xception‑DPBR，获取一维特征向量FX；构建基于卷积神经网络的货车驾驶员姿态行为识别模型MobileNetV2‑DPBR，获取一维特征向量FM；将特征向量FV、FX、FM融合，构建卷积神经网络融合模型FCNN‑DPBR，可以更精准地识别货车驾驶员姿态行为，对驾驶员在驾驶途中的安全性提供一定的技术保障。