-
公开(公告)号：CN109214331B
公开(公告)日：2022-03-15
申请号：CN201811002540.8
申请日：2018-08-30
Applicant: 南京邮电大学
IPC: G06V20/54 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明揭示了一种基于图像频谱的交通雾霾能见度检测方法。其实现步骤主要是：（1）采集不同场景下不同能见度的高速公路雾霾能见度图片，用以建立图片库。（2）以高速公路车道线为标识物建立坐标，用以测量雾霾图片能见度；（3）对图片做余弦变换，来提取图片的高频、低频信息，作为特征；（4）将所提取特征输入深度神经网络进行训练；并应用于实测。本发明采用高低频信息作为神经网络输入特征，提高了检测精度；同时采用深度神经网络模型，对大数据集进行处理提供了便利条件。
-
公开(公告)号：CN109035779B
公开(公告)日：2021-01-19
申请号：CN201811002046.1
申请日：2018-08-30
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。
-
公开(公告)号：CN109035779A
公开(公告)日：2018-12-18
申请号：CN201811002046.1
申请日：2018-08-30
Applicant: 南京邮电大学
CPC classification number: G08G1/0125 , G06Q10/04 , G06Q50/26
Abstract: 本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。
-
公开(公告)号：CN107274383A
公开(公告)日：2017-10-20
申请号：CN201710346524.X
申请日：2017-05-17
Applicant: 南京邮电大学
CPC classification number: G06T7/0002 , G06K9/4604 , G06K9/4661 , G06K9/6256 , G06N3/0454 , G06T2207/30192
Abstract: 本发明公开了一种基于深度学习的雾霾能见度检测方法，首先创建包括训练样本集和交叉验证样本集的道路交通雾霾图像库；对交通雾霾图像库中所有的雾霾图像进行预处理；采用卷积神经网络提取训练样本集里预处理后的雾霾图像的最远能见度边缘特征，得到多个特征图；将特征图通过前向传播至配置好的卷积神经网络进行训练，并通过反向传播算法进行卷积神经网络中各层间权重的调整，反复迭代求取出用于雾霾图像分类的卷积神经网络模型，再通过预处理后的交叉验证样本集对卷积神经网络模型进行优化，最终得到一个用于对雾霾图像分类的能见度检测模型；利用上述得到的能见度检测模型对于路面摄像机拍摄的图片进行分类判断，从而实现对雾霾状况的实时检测。
-
-
-
Search Results
14
records
(took 0.017 seconds)
