公开(公告)号：CN117710899A

公开(公告)日：2024-03-15

申请号：CN202410035226.9

申请日：2024-01-10

Applicant: 南开大学

Inventor： 孙桂玲 ,  王思睿 ,  郑博文 ,  董亮

IPC: G06V20/52 ,  G06V20/54 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于图像处理和深度学习技术领域，具体涉及一种应用于车联网的多光谱行人检测方法。针对智能交通系统全天候监测的需求，为了弥补传统可见光单模态图像对光照环境依赖性强的缺点，本发明提出采用可见光‑红外双模态图像实现行人目标检测，构建了稳定、快速、精准的多光谱行人检测模型。本发明基于VGG‑16双流特征提取网络，分别捕获两模态特征，构建了基于差分注意力增强和频域融合的跨模态特征融合模块，充分融合跨模态特征，将融合特征组送入基于SSD的检测头中，进而输出行人目标位置信息。本发明创新地提出了有效增强两模态对检测有益的互补信息，抑制冗余背景特征的特征融合方法，能够实现复杂环境下的行人目标检测，具有广阔的应用前景。

公开(公告)号：CN116524048A

公开(公告)日：2023-08-01

申请号：CN202310476361.2

申请日：2023-04-28

Applicant: 南开大学

Inventor： 孙桂玲 ,  郑博文 ,  董亮 ,  张彭晨

IPC: G06T9/00 ,  G06T3/40 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/094 ,  H04N19/44

Abstract: 本发明属于信号处理技术领域，具体涉及一种基于潜在扩散模型的自然图像压缩感知方法。本发明深入发掘自然图像的离散性和可压缩性，提出了一种基于深度学习的两段式图像重构方法。该方法在第一阶段使用向量量化生成对抗网络在大数据集上学习图像的深度特征，得到图像在低维潜在空间上的离散化编码，以消除自然图像的冗余信息。在第二阶段，以图像的压缩测量值为条件，使用扩散模型推断其对应的潜在编码，并进一步重建原始图像。实验结果显示，本发明提出的图像压缩感知方法与现有方法相比，能大幅提高低采样率下重构图像的视觉效果。

公开(公告)号：CN118260949A

公开(公告)日：2024-06-28

申请号：CN202410414250.3

申请日：2024-04-08

Applicant: 南开大学

Inventor： 孙桂玲 ,  张莹钰 ,  南瑞丽 ,  郑博文 ,  董亮

IPC: G06F30/20 ,  G06F30/15 ,  B60W60/00 ,  G06F119/06

Abstract: 本发明属于驾驶策略和能源技术领域，具体涉及一种以绿色驾驶为导向的驾驶习惯——燃油经济性分析方法。针对以节能为导向的驾驶习惯研究中对大量驾驶过程数据样本的需求，为了弥补传统试实验方法人力物力消耗大、实验样本难以选择的缺点，本发明提出了一种基于跟驰模型的驾驶习惯与燃油经济性相关性分析方法。通过驾驶习惯与IDM跟驰模型，生成汽车的运动状态，即一段仿真的驾驶过程。再利用MOVES燃油消耗计算模型，计算每段驾驶过程的燃油消耗情况。通过蒙特卡洛实验，得到驾驶习惯‑单位距离燃油消耗数据，并通过相关性分析和曲线拟合的方法分析探究跟驰模型中各个驾驶习惯对燃油消耗情况影响的数学关系。本研究中所使用的方法能够针对不同车辆型号，探究驾驶习惯对燃油消耗的影响。能够代替道路实测或作为预分析手段，为其提供参考，节省人力物力，具有广阔的应用前景。