基于多分类器融合的土地闲置预测方法及装置

    公开(公告)号:CN106600046A

    公开(公告)日:2017-04-26

    申请号:CN201611125406.8

    申请日:2016-12-09

    Applicant: 东南大学

    CPC classification number: G06Q10/04 G06K9/6269 G06K9/6278 G06K9/6282

    Abstract: 本发明公开了基于多分类器融合的土地闲置预测方法。该方法包括:步骤A、选取训练样本地块,提取这些地块的特征数据,并按照土地闲置标准将这些地块人工分为:闲置、非闲置、不确定;步骤B、以训练样本的特征数据作为分类器输入,以训练样本的类别作为期望输出,分别对多个不同的分类模型进行训练;步骤C、提取待预测地块的特征数据并分别输入所述多个分类器,得到多个分类器的分类结果;步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合,得到待预测地块的土地闲置预测结果。本发明还公开了基于多分类器融合的土地闲置预测装置。本发明可对土地闲置进行精确地预测,从而为土地的使用、规划、管理等提供科学依据。

    基于深度学习的汽车碰撞检测方法及系统

    公开(公告)号:CN107657237B

    公开(公告)日:2020-03-31

    申请号:CN201710904968.0

    申请日:2017-09-28

    Applicant: 东南大学

    Abstract: 一种基于深度学习的汽车碰撞检测方法及系统,主要由视频录制装置和部署在服务器端的图像检测系统构成。视频录制装置采集汽车周围图像后,由部署在服务器上的图像检测系统对图像中出现的汽车进行定位和类别分类,根据分类结果以及汽车边界框之间的最小距离,当所述汽车边界框之间的最小距离低于安全间距时发出警告或进行记录。由于本发明基于深度神经网络进行特征提取、定位和分类,图像检测的准确率和召回率都比传统的计算机视觉方法高很多,因此,本发明能够对驾驶员的驾驶行为,尤其对其驾驶车辆发生危险驾驶或碰撞的场景进行有效评估。本发明在车辆间距小于安全间距时记录相关图像,有较高的效率、准确度和实用性。

    一种多级网络系统的数据交换方法及多级网络系统

    公开(公告)号:CN106603445A

    公开(公告)日:2017-04-26

    申请号:CN201611126468.0

    申请日:2016-12-09

    Applicant: 东南大学

    CPC classification number: H04L49/252 H04L41/044 H04L69/06

    Abstract: 本发明公开了一种多级网络系统的数据交换方法,属于网络信息技术领域。本发明多级网络系统通过一个消息交换节点进行指令消息交互:各级系统首先通过web socket与消息交换节点进行长连接;然后指令原发送方将消息指令首先发送至消息交换节点;消息交换节点根据接收到的消息内容的信息标志码来分发相应的消息到指定接收端;各级系统收到相应的信息后,解析相应的指令,并按照相应指令上传或下载数据。本发明还公开了一种多级网络系统,使用上述方法进行数据交换。本发明可大幅提高多级网络系统之间的数据交换效率。

    一种基于全景环视系统的车辆刮痕检测方法及系统

    公开(公告)号:CN108021926A

    公开(公告)日:2018-05-11

    申请号:CN201710904966.1

    申请日:2017-09-28

    Applicant: 东南大学

    Abstract: 一种基于全景环视系统的车辆刮痕检测方法及系统,通过有标签训练样本集对深度学习网络模型进行训练获得可进行准确分类的深度学习神经网络模型,利用该模型对经畸变校正和预处理的全景环视系统所采集的车身图像进行处理,获得车辆的刮痕状况。本发明可自动识别车辆刮痕,判定驾驶员安全驾驶状况,为汽车租赁和车辆保险行业提供差异化产品和服务提供依据。通过对有标签训练样本的选择,增加对训练样本图像的数据增强处理以及对深度学习网络模型的训练,本发明相较于现有图像识别技术,具有更高的识别准确度。其配合全景环视系统,可有效避免人工检测中遗漏刮痕状况的出现。

    基于深度学习的汽车碰撞检测方法及系统

    公开(公告)号:CN107657237A

    公开(公告)日:2018-02-02

    申请号:CN201710904968.0

    申请日:2017-09-28

    Applicant: 东南大学

    Abstract: 一种基于深度学习的汽车碰撞检测方法及系统,主要由视频录制装置和部署在服务器端的图像检测系统构成。视频录制装置采集汽车周围图像后,由部署在服务器上的图像检测系统对图像中出现的汽车进行定位和类别分类,根据分类结果以及汽车边界框之间的最小距离,当所述汽车边界框之间的最小距离低于安全间距时发出警告或进行记录。由于本发明基于深度神经网络进行特征提取、定位和分类,图像检测的准确率和召回率都比传统的计算机视觉方法高很多,因此,本发明能够对驾驶员的驾驶行为,尤其对其驾驶车辆发生危险驾驶或碰撞的场景进行有效评估。本发明在车辆间距小于安全间距时记录相关图像,有较高的效率、准确度和实用性。

Patent Agency Ranking