公开(公告)号：CN115393588A

公开(公告)日：2022-11-25

申请号：CN202211008106.7

申请日：2022-08-22

申请人： 东南大学

发明人： 赵池航 ,  马欣怡 ,  郑有凤 ,  吴宇航 ,  苏子钧 ,  纪强

IPC分类号： G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/00 ,  G06Q50/26

摘要： 本发明公开了一种基于语义分割网络的高速公路沥青路面病害分割方法，包括：构建高速公路沥青路面图像病害数据集；替换FCN骨干网络为Densenet121和Densenet201，构建用于公路沥青路面病害分割的FCN‑D121‑PDS、FCN‑D201‑PDS网络模型；替换Deeplabv3+骨干网络为Mobilenet和DRN，构建用于公路沥青路面病害分割的DL‑D‑PDS、DL‑M‑PDS网络模型；进行模型训练并优化参数，优选FCN‑D121‑PDS、FCN‑D201‑PDS、DL‑D‑PDS、DL‑M‑PDS网络模型进行高速公路沥青路面病害分割；改进Deeplabv3+网络结构，进一步构建DL‑M1‑PDS、DL‑M2‑PDS公路沥青路面病害分割网络并进行网络优选。本发明提出的基于语义分割网络的高速公路沥青路面病害分割方法，具有较好的公路沥青路面病害的细节信息分割能力，能够提高路面病害分割精度与平均交并比，对高速公路养护智能化发展提供技术支持。

公开(公告)号：CN118861979A

公开(公告)日：2024-10-29

申请号：CN202410891862.1

申请日：2024-07-04

申请人： 东南大学

发明人： 赵池航 ,  邓文浩 ,  吴宇航 ,  王珺珺

IPC分类号： G06F18/25 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

摘要： 本发明公开了一种基于改进多智能体结构大语言模型的高速公路门架场景中多源车辆信息匹配融合方法，包括：对高速公路门架场景中多源车辆信息感知数据进行挖掘和标注；构建高速公路门架场景中多源车辆信息匹配融合数据集；基于多源车辆信息匹配流程，构建基于改进多智能体结构大语言模型的多源车辆信息匹配融合模型LLMMADA‑MVIMF‑EGS；根据融合数据集，通过模型LLMMADA‑MVIMF‑EGS输出多源车辆信息匹配融合结果，实现高速公路门架场景中多源车辆信息匹配融合。本发明在大语言模型的基础上，针对具体的高速公路门架场景中多源车辆信息数据进行匹配训练，为高速公路门架ETC收费提供一定的技术支持。

公开(公告)号：CN115546776A

公开(公告)日：2022-12-30

申请号：CN202211143811.8

申请日：2022-09-20

申请人： 东南大学 ,  河北交通职业技术学院

发明人： 赵池航 ,  化丽茹 ,  苏子钧 ,  石鑫 ,  薛善光 ,  孟玉文 ,  张希庆 ,  吴宇航 ,  马欣怡

IPC分类号： G06V20/62 ,  G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G08G1/017

摘要： 本发明公布了基于卷积神经网络模型的字符分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，构建高速公路车牌图像集；基于图像比例的方法，对车牌字符进行分割；构建不同字符集的分类卷积神经网络模型，优选Inceptionv3‑LPCR、ResNet50‑LPCR、ResNeXt‑LPCR和MNASNet‑LPCR模型完成车辆号牌识别。本发明的有益效果在于：能够有效对车牌的字符进行分割，构建符合真实高速场景且适用于神经网络学习的车牌图像集，同时选用结构合理的卷积神经网络，完成对车辆牌照的自动识别，提升了车牌识别的准确率与速度，对于车辆的识别有着重要的作用。

公开(公告)号：CN115512154A

公开(公告)日：2022-12-23

申请号：CN202211157110.X

申请日：2022-09-21

申请人： 东南大学

发明人： 赵池航 ,  李昊 ,  吴宇航 ,  苏子钧 ,  马欣怡

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/06

摘要： 本发明公开了一种基于深度学习神经网络的高速公路车辆图像检索方法，包括：采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；分别构建基于VGG16网络、ResNet50网络以及DenseNet121网络的三种基于单一深度学习网络的车辆检索模型，对各图像测试集中的样本数据进行单张循环检索；构建基于深度学习神经网络的车辆图像检索实验的实验结果评价指标，对基于深度学习神经网络的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明具有较佳的正确率和实效性。

公开(公告)号：CN115393587A

公开(公告)日：2022-11-25

申请号：CN202211008095.2

申请日：2022-08-22

申请人： 东南大学

发明人： 赵池航 ,  郑有凤 ,  马欣怡 ,  苏子钧 ,  吴宇航

IPC分类号： G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/766 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/00 ,  G06Q50/26

摘要： 本发明公开了一种基于融合卷积神经网络的高速公路沥青路面病害感知方法，包括：使用优化Mobilenet V3网络替换Deeplabv3+骨干网络，构建DL‑M‑PDS网络；改进网络参数，构建用于公路沥青路面病害分割的DL‑M2‑PDS优化网络；通过该优化网络获取路面像素级病害信息，并与原图像叠加；对Faster‑RCNN、Yolov5s、SSD模型进行适应性改进，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD、SSD‑PDD网络模型；输入叠加病害图像，构建用于公路沥青路面病害感知的FCNN‑PDP‑FR、FCNN‑PDP‑Yolov5s和FCNN‑PDP‑SSD网络；训练网络并优化参数，优选模型进行高速公路沥青路面病害感知。本发明将公路沥青路面病害分割模型与公路沥青路面病害检测分类模型进行融合，以实现分割病害的同时提高模型的检测分类精度，可对高速公路养护智能化发展提供技术支持。