公开(公告)号：CN117197084A

公开(公告)日：2023-12-08

申请号：CN202311160678.1

申请日：2023-09-08

Applicant: 东南大学

Inventor： 赵池航 ,  邓文浩 ,  吴加伦 ,  张子怡 ,  黄雅欣

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提出了一种基于深度融合卷积神经网络的公路快检图像路面病害检测方法，包括：构建公路快检图像路面病害图像标注数据集；构建用于公路快检图像路面病害检测的YOLOv8‑RSDD‑HRII简单模型与YOLOv8‑CBAM‑RSDD‑HRII深度融合基础模型；构建用于公路快检图像路面病害检测的Mobile‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 构建用于公路快检图像路面病害检测的Efficient‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 构建用于公路快检图像路面病害检测的Res‑Net‑YOLOv8‑CBAM‑RSDD‑HRII次融合网络模型，获取检测框坐标 并联连接次融合网络模型，将次融合网络模型所生成的检测框坐标进行集成学习，从而构建用于公路快检图像路面病害检测的深度融合卷积神经网络模型DFCNN‑RSDD‑HRII，可以更精准地识别公路快检图像路面病害，有效提高公路养护效率。

公开(公告)号：CN117197085A

公开(公告)日：2023-12-08

申请号：CN202311163416.0

申请日：2023-09-08

Applicant: 东南大学

Inventor： 赵池航 ,  吴加伦 ,  邓文浩 ,  张子怡 ,  黄雅欣

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/776 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种基于改进YOLOv8网络的公路快检图像路面病害检测方法，包括：构建公路快检图像路面病害图像标注数据集；构建用于公路快检图像路面病害检测的Faster‑RCNN‑RSDD‑HRII、SSD‑RSDD‑HRII、Retina‑Net‑RSDD‑HRII、YOLOv5‑RSDD‑HRII、YOLOv8‑RSDD‑HRII五种基础模型；通过对比实验与交叉验证实验，得出YOLOv8‑RSDD‑HRII模型是更适应公路快检图像场景下的路面病害基础检测网络模型；考虑到公路快检图像路面病害属于细小类型目标，同时YOLOv8‑RSDD‑HRII模型测试结果的检测率较低，于是在现有YOLOv8网络模型的基础上，通过改进网络内部结构，构建用于公路快检图像细小路面病害检测的改进模型YOLOv8‑SODL‑RSDD‑HRII与YOLOv8‑CBAM‑RSDD‑HRII；通过对比实验与交叉验证实验，得出YOLOv8‑CBAM‑RSDD‑HRII模型更适应公路快检图像场景下的细小路面病害检测，可以更精准地识别公路快检图像路面病害，从而有效提高公路养护效率。

公开(公告)号：CN114445708A

公开(公告)日：2022-05-06

申请号：CN202210110447.9

申请日：2022-01-29

Applicant: 东南大学

Inventor： 赵池航 ,  覃晓明 ,  毛迎兵 ,  刘洋 ,  吴加伦

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了基于改进Faster R‑CNN的高速公路路面三维病害识别方法，包括：利用路面三维信息检测车采集存储高速公路路面三维图像并进行数据预处理，构建东南大学高速公路路面病害三维图像数据集；在常规Faster R‑CNN模型基础上，通过对模型特征提取网路进行改进，构造了适用于高速公路路面三维病害识别的目标检测模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路路面病害识别领域可以大大提高病害识别的效率，对高速公路养护的提供技术支持。

公开(公告)号：CN119600574A

公开(公告)日：2025-03-11

申请号：CN202411807657.9

申请日：2024-12-10

Applicant: 东南大学

Inventor： 赵池航 ,  黄雅欣 ,  吴加伦

IPC: G06V20/58 ,  G06N3/045 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/46 ,  G06V10/44 ,  G06N3/0464 ,  G06V10/776 ,  G06V10/80

Abstract: 本发明公开了基于注意力残差融合模型的交通安全设施识别方法，包括：构建运营公路交通安全设施图像数据集；构建上下文融合卷积模块CGFC进行交通安全设施全局上下文特征提取；构建线性聚焦注意力残差模块FLAR聚焦交通安全设施的关键特征；构建基于注意力残差融合的交通安全设施识别模型TSRR‑ARFCNN进行交通安全设施识别。本发明构建上下文融合卷积模块、线性聚焦注意力残差模块以及注意力残差融合模型，从而可以更精准的实现交通安全设施的识别，可对运营公路场景的交通安全设施感知提供技术支持。

公开(公告)号：CN115393642A

公开(公告)日：2022-11-25

申请号：CN202211007992.1

申请日：2022-08-22

Applicant: 东南大学

Inventor： 赵池航 ,  吴加伦 ,  郑有凤 ,  马欣怡 ,  苏子钧 ,  吴宇航 ,  纪强

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

Abstract: 本发明公开了一种基于目标检测的高速公路沥青路面病害检测方法，包括：获取图像信息，构建高速公路沥青路面病害数据集；标注数据集，构建训练样本集和测试样本集；针对数据集特征，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD和SSD‑PDD网络模型；进行模型训练并优化参数，优选FR‑PDD、Yolov5s‑PDD以及SSD‑PDD网络模型进行高速公路沥青路面病害检测。本发明的有益效果在于：能够有效对高速公路沥青路面病害进行检测，具有较好的平均识别精度与实时性，可对高速公路养护智能化发展提供技术支持。

公开(公告)号：CN114445712A

公开(公告)日：2022-05-06

申请号：CN202210113377.2

申请日：2022-01-29

Applicant: 东南大学

Inventor： 赵池航 ,  覃晓明 ,  毛迎兵 ,  刘洋 ,  吴加伦

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/762

Abstract: 本发明公开了基于改进YOLOv5模型的高速公路路面病害识别方法，包括：在现有成熟的YOLOv5模型基础上，通过对模型特征提取网路进行改进，同时对模型的锚框（anchor）进行重新设计，构造了适用于高速公路路面病害识别的目标检测模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路路面病害识别领域可以大大提高病害识别的效率，对高速公路养护的提供技术支持。