-
公开(公告)号：CN119579993A
公开(公告)日：2025-03-07
申请号：CN202411710159.2
申请日：2024-11-27
Applicant: 长安大学
IPC: G06V10/764 , G06V10/74 , G06V10/40 , G06V10/77 , G06V10/80 , G06T17/00 , G06T7/11 , G06T7/136 , G06T3/06 , G06N3/042 , G06N3/0464 , G01N15/02
Abstract: 本发明公开了一种基于三维多视图的集料粒径预测方法，通过从集料的三维点云数据中生成多视图投影，结合深度学习技术对多视图信息进行融合和处理，从而实现更高精度和更稳定的粒径分类；本发明不仅能有效弥补二维单视图方法的不足，还能充分利用三维数据的优势，有效降低集料多视图信息获取的复杂性和视点依赖性，保证了工业环境中复杂光照和环境条件下信息的一致性和准确性。
-
公开(公告)号：CN119399168A
公开(公告)日：2025-02-07
申请号：CN202411521939.2
申请日：2024-10-29
Applicant: 长安大学
IPC: G06T7/00 , G06V10/80 , G06V10/764 , G06V10/48 , G06V10/52 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种三维多视图成像下的路面结构层病害标注方法及装置，涉及计算机图像识别技术领域。包括：将水平面视图和纵断面视图拼接，得到跨视图的二维图像；构建包含多个多层次特征融合网络和空间金字塔池化层的水平面‑纵断面特征关联标注模型；利用训练集对该模型得到训练好的特征关联标注模型。这样，通过训练好的水平面‑纵断面特征关联标注模型对病害进行自动化标注，减少人工标注的时间，提高病害标注的效率；利用跨视图的二维图像，考虑相邻水平面视图和纵断面视图间的相似病害特征关联信息，优化该模型的标注性能，且通过训练好的水平面‑纵断面特征关联标注模型对病害进行自动化标注，减少误标和漏标，提高病害标注的准确性。
-
公开(公告)号：CN114898329B
公开(公告)日：2025-01-10
申请号：CN202210333395.1
申请日：2022-03-31
Applicant: 长安大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于路面感知数据智能分类的加载车行驶纠偏方法和系统，所述方法包括：获取来自足尺路面上多个高频传感器的待分类数据；根据足尺路面不同高频传感器数据特征构建自适应阈值，对处于加载过程中的传感器数据进行提取；将获得的多个压力感知数据片段进行可视化转换，获得对应的待分类图像数据；构建DCNN6卷积神经网络并对卷积神经网络进行训练；利用经训练的卷积神经网络模型获得待分类图像数据的分类结果；利用所述分类结果对车辆的驾驶轨迹进行提示。本发明可以有效解决足尺环道中的动态高频传感器数据自动分类问题，为全路域受力分析和把握车辙演变规律提供有力的数据支撑，且分类速度快、精度高，节省人力物力。
-
公开(公告)号：CN111882114B
公开(公告)日：2023-10-31
申请号：CN202010628317.5
申请日：2020-07-01
Applicant: 长安大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/23213 , G06N3/0442 , G08G1/01
Abstract: 本发明公开了一种短时交通流量预测模型构建方法及预测方法，针对一段时间内的交通流量数据进行聚类，充分提取数据信息输入到GRU神经网络，以短时交通流量模式类别作为输出，对GRU神经网络模型进行训练，训练完成后得到短时交通流量预测模型，实现对短时交通流量的预测。针对神经网络的训练集选取对短时交通流量的预测结果影响显著，采用K‑Means聚类算法将历史短时交通流量数据进行聚类，有针对性地进行预测，提高了预测结果的准确度。
-
公开(公告)号：CN113009447A
公开(公告)日：2021-06-22
申请号：CN202110245588.7
申请日：2021-03-05
Applicant: 长安大学
Abstract: 本发明公开了一种基于深度学习和探地雷达的道路地下空洞检测预警方法，该方法包括：通过探地雷达采集实际道路的含噪探地雷达回波信号；对含噪探地雷达回波信号进行滤波平滑处理得到去噪探地雷达回波信号；采用生成式对抗神经网络对去噪探地雷达回波信号进行增广处理得到雷达回波信号；采用快速区域卷积神经网络对雷达回波信号进行检测得到第一检测预警结果。本发明采用GANs网络对地下坑洞数据集进行增广，解决了基于深度学习的地下空洞检测时训练样本不足的问题，同时采用快速区域卷积神经网络模型进行检测，提高了网络对信号特征的学习能力，实现了将深度学习技术更好地应用到雷达信号检测技术中，可以更加准确而快速地对道路进行无损检测。
-
Patent Agency Ranking
-
公开(公告)号：CN112364910A
公开(公告)日：2021-02-12
申请号：CN202011225553.9
申请日：2020-11-05
Applicant: 长安大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于峰值聚类高速公路收费数据异常事件检测方法及装置，用以解决现有技术中的高速公路异常事件检测方法及装置存在的检测结果不准确、效率不高等问题；本发明提供的基于高速公路收费数据的异常事件检测方法及装置，可以更加全面准确感知高速公路交通运行状况，能够有效挖掘出数据中隐藏的道路拥堵、长时停留、车辆超速、设备故障、系统故障、网络故障、车辆超载和疑似逃费等异常事件。
-
公开(公告)号：CN119863599A
公开(公告)日：2025-04-22
申请号：CN202411937167.0
申请日：2024-12-26
Applicant: 长安大学
IPC: G06T19/20
Abstract: 本发明公开了一种路面三维深度模态偏差校准方法，涉及计算机图像处理技术领域，该校准方法包括数据采集与储存、浮动数据修复、行粒度偏差校准以及校准数据验证与储存；本发明通过采用高速三维结构光测量相机组件与可移动检测平台的结合，实现了路面三维深度模态的精准采集，同时，利用动态回归参数与滑动阈值区域的浮动数据修复方法，有效修复了三维深度模态中的浮动异常值，此外还提出了基于动态回归参数参考平面的行粒度偏差校准方法，对路面三维深度模态进行逐行校准，显著改善了行粒度偏差问题，本发明有效改善了数据偏差问题，为路面病害分析提供可靠数据支持，提升了路面检测的准确性和效率。
-
公开(公告)号：CN119719918A
公开(公告)日：2025-03-28
申请号：CN202510222190.X
申请日：2025-02-27
Applicant: 长安大学
IPC: G06F18/241 , G06N3/045 , G06Q50/06 , G06F18/2131 , G06F18/25 , H02J3/00 , H02J3/38
Abstract: 本发明公开了一种短期风电功率的预测方法，将第一历史风电数据集经多维变分模态分解模型得到本征模态函数；基于去冗模型的模型性能评估获取最优超参数组合；基于最优超参数组合进行本征模态函数的去冗，得到目标本征模态函数；基于第一历史风电数据集得到频域表示的第二历史风电数据集；从第二历史风电数据集获取自适应的前预设数量个周期及对应的风电数据；将对应的风电数据分解为季节性成分、趋势性成分和残差成分，并加权求和得到目标季节性成分、目标残差成分、目标趋势性成分；将目标季节性成分、目标残差成分、目标趋势性成分和目标本征模态函数融合并通过模型得到预测的短期风电功率。本发明提高了对短期风电功率预测的准确率。
-
公开(公告)号：CN119474374A
公开(公告)日：2025-02-18
申请号：CN202411543276.4
申请日：2024-10-31
Applicant: 长安大学
IPC: G06F16/35 , G06F40/211 , G06F40/30 , G06F40/284 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种融合知识的方面级交通安全事件网络舆情分析方法，包括：根据情感文本中每两个词在句法依存图中的词距离和情感文本的综合注意力矩阵，生成情感文本的句法掩码矩阵；将句法掩码矩阵输入至图卷积网络以对句法掩码矩阵进行图卷积，得到情感文本的语义上下文表示向量；根据情感文本中每两个词间的依存关系、情感得分及方面词得分，确定情感文本的情感增强矩阵；融合语义上下文表示向量和情感增强矩阵得到情感文本的情感极性。本发明提供的方法通过不同的词距离创建句法掩码矩阵能够在句法依存图中充分补充语法和语义信息，将情感分数注入到句法依存图中能够增强对情感信息的理解，从而能够提高对情感文本的情感倾向的识别准确度。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.024 seconds)
