公开(公告)号：CN115131742A

公开(公告)日：2022-09-30

申请号：CN202110332618.8

申请日：2021-03-29

Applicant: 南京大学

Inventor： 阮雅端 ,  王麟皇 ,  孟凡泽 ,  王翔 ,  汪婧文 ,  陈启美

IPC: G06V20/54 ,  G06V20/52 ,  G06V10/32 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种适于隧道视角受限的目标深度学习视频检测方法，包括以下步骤：step1：构建带有标注和标签的图片库作为网络模型的训练样本集；step2：构建网络模型：以SSD网络为基础构建检测网络，使用融入Mish激活函数和BN层的VGG‑16作为检测网络的backbone，使用跃层双向多尺寸特征融合作为检测网络的neck，检测网络的head使用SSD网络的head；step3：训练网络模型，训练过程中采用基于目标尺寸大小的自适应在线难分样本发掘，训练获得检测模型；step4：输入测试样本，通过训练好的检测模型预测出隧道图像中的目标位置及类别。本发明适用于隧道等视角受限、检测目标极小、存在环境干扰等场合的目标检测，具有良好的检测性能。

公开(公告)号：CN109118763B

公开(公告)日：2021-05-18

申请号：CN201810986737.3

申请日：2018-08-28

Applicant: 南京大学

Inventor： 阮雅端 ,  张园笛 ,  葛嘉琦 ,  王麟皇 ,  曹小峰 ,  陈启美

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于腐蚀去噪深度信念网络的车流量预测方法，车流量预测是指利用历史时刻的车流量情况来预测当前及未来时刻的车流量情况，本发明提出随机腐蚀层作为一种正则化手段，解除一部分神经元之间的互相依赖性，提高预测模型泛化能力，降低过拟合风险。同时结合具体应用场景，考虑到车流量的空间相关性和时间规律性来建立车流量预测模型，实现准确、可靠、实时的车流量预测，有效优化交通调度，缓解交通压力，提高路网的运行效率。这对智能交通的发展有很大意义。

公开(公告)号：CN115311485A

公开(公告)日：2022-11-08

申请号：CN202110492210.7

申请日：2021-05-06

Applicant: 南京大学

Inventor： 阮雅端 ,  朱珂昕 ,  徐沁心 ,  孟凡泽 ,  王麟皇 ,  陈启美

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

Abstract: 一种基于损失反馈的类别和尺度均衡目标检测训练方法，在对检测网络进行迭代训练时，基于损失函数的反馈对训练样本分别进行类别均衡和尺度均衡，类别均衡动态调整迭代训练中各类别和各样本的采样概率，使训练类别及样本数据均衡，得到训练集I’，尺度均衡动态调整训练集I’的训练样本尺度，通过图像拼接使训练集I’的目标尺度满足训练需求，经过类别平衡和尺度均衡的训练集I”作为新一次迭代训练样本进行训练。本发明使训练中模型更关注少样本类别，可提升模型泛化性，根据网络需要提供不同尺度的训练样本，在确保大物体准确性同时提升小物体检测准确度。本发明仅增加少量对样本梯度占比的计算量，不影响训练推理速度的前提下，提高了训练准确性。

公开(公告)号：CN109118763A

公开(公告)日：2019-01-01

申请号：CN201810986737.3

申请日：2018-08-28

Applicant: 南京大学

Inventor： 阮雅端 ,  张园笛 ,  葛嘉琦 ,  王麟皇 ,  曹小峰 ,  陈启美

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于腐蚀去噪深度信念网络的车流量预测方法，车流量预测是指利用历史时刻的车流量情况来预测当前及未来时刻的车流量情况，本发明提出随机腐蚀层作为一种正则化手段，解除一部分神经元之间的互相依赖性，提高预测模型泛化能力，降低过拟合风险。同时结合具体应用场景，考虑到车流量的空间相关性和时间规律性来建立车流量预测模型，实现准确、可靠、实时的车流量预测，有效优化交通调度，缓解交通压力，提高路网的运行效率。这对智能交通的发展有很大意义。

公开(公告)号：CN108229319A

公开(公告)日：2018-06-29

申请号：CN201711226281.2

申请日：2017-11-29

Applicant: 南京大学

Inventor： 阮雅端 ,  张宇杭 ,  张园笛 ,  王麟皇 ,  赵博睿 ,  陈启美

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 基于帧间差异与卷积神经网络融合的船舶视频检测方法，包括四个部分：对视频作预处理、获取每一帧的ROI区域并提取浅层特征、用修改的VGG16网络获取每一帧图的高层特征、预测每一帧ROI区域船舶显著图并提取船舶目标。本发明充分利用了视频前后帧之间的联系，减小了背景的干扰，准确定位运动船舶，获得了船舶运动的区域，相比于只利用低层特征的船舶图像显著性检测，既能够直接应用于船舶视频的检测，又减少了检测船舶不全的情况，对复杂内河运动船舶场景的适应性更强，检测精度更高，解决了内河船舶目标显著性检测不准确的问题，具有极高的实际应用价值。