一种基于深度学习的无人驾驶语音识别方法及装置

    公开(公告)号:CN114566146A

    公开(公告)日:2022-05-31

    申请号:CN202210123370.9

    申请日:2022-02-09

    Abstract: 本发明公开了一种基于深度学习的无人驾驶语音识别方法及装置,所述方法包括:获取开源的中文语音数据集,提取语音数据集的语音序列;将得到的语音序列输入到深度卷积神经网络模型中,输出语音序列的特征向量;将深度卷积神经网络模型输出的特征向量输入到全连接层中进行降维,再输入到连接时序分类模块;通过连接时序分类模块得到全连接层输出的后验概率,依据后验概率得到语音数据库中匹配的语句;本发明采用双路卷积神经网络,将MFCC提取到的语音特征分两路分别输入到深度卷积神经网络模型中,既能够在深度方向提取网络重要特征,也能在宽度方向通过不同的卷积核提取重要特征,加强模型的非线性化程度,使网络模型具有更优越的拟合性能。

    基于深度学习模型和Cox生存模型的交通拥堵预测方法

    公开(公告)号:CN115018113A

    公开(公告)日:2022-09-06

    申请号:CN202210335542.9

    申请日:2022-03-31

    Abstract: 本发明公开了一种基于深度学习模型和Cox生存模型的交通拥堵预测方法,步骤如下:S1、对输入的城市交通拥堵影响因素特征进行清洗;S2、对S1清洗后的特征进行编码;S3、对S2编码后的特征进行特征筛选;S4、将S3筛选出来的特征输入到神经网络模型中进行训练建模;S5、将深度学习预测的概率值作为一种新的特征和LASSO筛选出的特征输入到Cox模型,预测出不同时间间隔期交通拥堵的状态。本发明采用深度学习进行建模预测道路交通拥堵概率,采用了Cox生存分析算法与LASSO算法相结合的方式挖掘数据之中的隐含联系,能够准确预测出不同时间间隔的交通拥堵状况,方便居民的出行。

    交通拥堵预判系统及方法

    公开(公告)号:CN115035708A

    公开(公告)日:2022-09-09

    申请号:CN202210235753.5

    申请日:2022-03-10

    Abstract: 本发明公开了一种交通拥堵预判系统及方法,系统包括:数据处理模块,用于读取交通流数据、数据清洗、数据编码,筛选变量特征,变量特征分为训练样本集、验证样本集;模型构建训练模块,用于构建代价敏感神经网络模型,变量特征为输入,定义加权交叉熵损失函数为每批次样本数量的第i个样本数据第k维的真实样本标签与神经网络输出的乘积求总和后平均的值再与权重的乘积,k为类别数;样本真实标签为顺畅状态时的权重等于顺畅权重,顺畅权重为每批拥堵样本数与真实标签每批样本总数的比;样本真实标签为拥堵状态时的权重等于拥堵权重,拥堵权重为每批顺畅样本数与真实标签每批样本总数的比,预测评估模块,用于输出交通流处于拥堵状态的概率。

    一种车机与道路交通交互的视频传输方法及装置

    公开(公告)号:CN114845120A

    公开(公告)日:2022-08-02

    申请号:CN202210257042.8

    申请日:2022-03-16

    Abstract: 本发明公开了一种车机与道路交通交互的视频传输方法及装置,所述方法应用于发送端,包括:获取原始图像,识别并分解原始图像为三部分的因子,使得原始图像成为前景因子、背景因子和车辆形态因子的组合;将所述前景因子、背景因子和车辆形态因子分别通过一个编码网络将输入图像编码成嵌入特征,再将各个嵌入特征发送到接收端,其中,接收端利用解码器生成重构图像,本发明对比现有的传输方案,该方案可以避免语音信号的不全面表达,更富有立体感,降低时延,同时可以根据车辆本身获取需要的信息,降低冗余信息的获取;对比传统的视频传输方案,采用全新的拆解重构生成方案,降低了传输带宽以及存储设备的要求。

    一种基于长短时记忆的交通拥堵预测方法及装置

    公开(公告)号:CN114707732A

    公开(公告)日:2022-07-05

    申请号:CN202210373053.2

    申请日:2022-04-11

    Abstract: 本发明公开了一种基于长短时记忆的交通拥堵预测方法及装置,所述方法包括提取城市道路数据流信息的特征数据;将所述特征数据输入至预构建且训练好的LSTM长短时记忆模型中,获取预测结果;其中,所述LSTM长短时记忆模型的构建和训练方法包括:结合城市道路交通数据流的特点和LSTM长短时记忆的工作方式,构建LSTM长短时记忆模型;通过提取的城市道路数据流信息的特征数据,选定其中的标签数据集,选定相关数据集对LSTM长短时记忆模型进行训练;本发明可以节约道路交通控制的人工成本,并缩短交通拥堵信息反馈时间,且具有较高的准确度。

    一种基于深度学习的条形码识别方法及图书检索系统

    公开(公告)号:CN114417904A

    公开(公告)日:2022-04-29

    申请号:CN202210052226.0

    申请日:2022-01-18

    Inventor: 程娟娟 谢晓丽

    Abstract: 本发明公开了条形码识别领域的一种基于深度学习的条形码识别方法及图书检索系统,提取检测图像中条形码图像特征;对条形码图像特征进行二值化处理;利用Hough变换对条形码的倾斜条码进行矫正,获得待识别条形码图像;采用训练后的全卷积神经网络对待识别条形码图像提取识别序列,将识别序列输入RNN循环神经网络,获得其各通道识别的字元序列;根据字元序列中各字元之间相关性,得出对字元分类的概率结果;采用全局优化算法获取各字元序列对应字符的全概率,输出概率最大的字符完成准确识别条形码;通过图像处理的方式获取清晰的待识别条形码图像,通过深度学习有效提高了条形码的识别精度。

    一种基于机器学习的车库智能控制方法及系统

    公开(公告)号:CN114648881B

    公开(公告)日:2023-09-26

    申请号:CN202210246314.4

    申请日:2022-03-14

    Abstract: 本发明公开了车库管控领域的一种基于机器学习的车库智能控制方法及系统,包括:采集车库出入口的实时图像信息,对实时图像信息进行预处理获得监测图像;将监测图像输入至预先训练好的图像识别模型,获取所述车辆的车型大小和车牌信息;根据车型大小和车牌信息为车辆匹配车位,根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位;从车辆驶入车库时开始计费,当车辆行驶至车库出口时根据车牌信息进行结算缴费;本发明通过现有监控设备,根据车型大小和车牌信息为车辆匹配车位,避免车库升级受到施工原因影响正常使用,提高了分配各种车位的管理效率,车辆停车导航路线避免了出现车辆拥堵的情况。

    一种基于机器学习的车库智能控制方法及系统

    公开(公告)号:CN114648881A

    公开(公告)日:2022-06-21

    申请号:CN202210246314.4

    申请日:2022-03-14

    Abstract: 本发明公开了车库管控领域的一种基于机器学习的车库智能控制方法及系统,包括:采集车库出入口的实时图像信息,对实时图像信息进行预处理获得监测图像;将监测图像输入至预先训练好的图像识别模型,获取所述车辆的车型大小和车牌信息;根据车型大小和车牌信息为车辆匹配车位,根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位;从车辆驶入车库时开始计费,当车辆行驶至车库出口时根据车牌信息进行结算缴费;本发明通过现有监控设备,根据车型大小和车牌信息为车辆匹配车位,避免车库升级受到施工原因影响正常使用,提高了分配各种车位的管理效率,车辆停车导航路线避免了出现车辆拥堵的情况。

Patent Agency Ranking