-
公开(公告)号：CN109857175B
公开(公告)日：2020-11-03
申请号：CN201910062196.X
申请日：2019-01-23
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种非侵入式人体热舒适的AI感知方法，包括数据采集和预处理、定义并提取皮肤敏感指数和构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型；具体采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，对地址映射表和SSI分别特征提取、融合后进一步训练、保存并优选得到网络模型，进行皮肤温度预测。应用本发明该AI感知方法，克服了人体热舒适检测中皮肤变化的微变性、个体间差异性和个体内时变性的三大挑战，实现了能源优化、节能环保，且具有较好的可操作性。
-
公开(公告)号：CN109857175A
公开(公告)日：2019-06-07
申请号：CN201910062196.X
申请日：2019-01-23
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种非侵入式人体热舒适的AI感知方法，包括数据采集和预处理、定义并提取皮肤敏感指数和构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型；具体采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，对地址映射表和SSI分别特征提取、融合后进一步训练、保存并优选得到网络模型，进行皮肤温度预测。应用本发明该AI感知方法，克服了人体热舒适检测中皮肤变化的微变性、个体间差异性和个体内时变性的三大挑战，实现了能源优化、节能环保，且具有较好的可操作性。
-
公开(公告)号：CN109086803B
公开(公告)日：2022-10-14
申请号：CN201810755419.6
申请日：2018-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了基于深度学习与个性化因子的雾霾能见度检测系统，该系统包括数据库建立模块，用于构建不同能见度的雾霾能见度图片库；能见度提取模块，用于根据所述雾霾能见度图片库提取所述雾霾能见度图片中涉及场景的标志物的能见度，建立能见度坐标，并对所述雾霾能见度图片中涉及的场景进行编号，个性化因子提取模块，用于针对所述场景编号进行归一化，并将其定义为特征值，并根据场景编号提取个性化因子；神经网络训练模块，用于将所述个性化因子和所述雾霾能见度图片输入到卷积神经网络中进行训练；本发明采用基于深度学习的卷积神经网络结构能够自动提取数据集特征与传统方向比更加渐变，可以快速处理大数据集，节省了大量的训练时间。
-
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。
-
Patent Agency Ranking
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：CN109948471B
公开(公告)日：2022-08-23
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
公开(公告)号：CN110659594A
公开(公告)日：2020-01-07
申请号：CN201910846904.9
申请日：2019-09-09
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于AlphaPose的人体热舒适姿态估计方法，其实现步骤主要包括：（1）使用摄像头采集视频数据；（2）预处理数据，使用AlphaPose保存包含基本骨架的图片以及关键点信息的JSON文件，而后读取保存的图片，并且将相对应的JSON文件中存储的关键点位信息提取出来；（3）根据已有的数个人体冷热状态下可能做出的动作特点构建相关算法，实现姿态估计的实际检测应用并反馈结果。本发明对普通摄像头获取的视频进行处理，无须在人体侵入式加装传感器，能够实现在非侵入的前提下，获得人体基本的热舒适状态；以此为中央空调系统（HVAC）实时地提供准确有效的反馈信号，使场景内体感更加舒适、节省能源。
-
公开(公告)号：CN110659593A
公开(公告)日：2020-01-07
申请号：CN201910846903.4
申请日：2019-09-09
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进DiracNet的城市雾霾能见度检测方法，其实现步骤主要包括，采集城市中不同场景下不同能见度的雾霾能见度图片，用以建立图片库；以图片中的标志性建筑物作为标识物建立坐标，用以测量雾霾图片能见度；改进DiracNet网络，加强对雾霾图片细节信息提取；将雾霾图片输入改进DiracNet网络进行训练并保存模型；即可投入测试验证和具体的检测应用。本发明该基于改进的DiracNet的城市雾霾能见度检测，提高了检测精度，而且基于深度学习理论和改进的DiracNet模型，有利于对大数据集进行处理，能保持较高的准确率。
-
公开(公告)号：CN109948471A
公开(公告)日：2019-06-28
申请号：CN201910160058.5
申请日：2019-03-04
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于改进InceptionV4网络的交通雾霾能见度检测方法，包括步骤：S1、根据高速公路雾霾天气下视频资料采样，分场景建立雾霾图片库；S2、以高速公路车道线作为标识物建立相应的坐标，提取雾霾图片能见度数值，作为雾霾能见度真实值；S3、基于Inception V4原始网络构建成改进的Inception V4网络；S4、将雾霾图片库中的训练集输入改进的Inception V4网络进行训练，并保存模型；S5、选定雾霾图片库中任一场景的图片建立测试集，输入步骤S4所得模型对图片进行雾霾能见度检测。应用本发明该技术方案一方面改进Inception V4，并用来对雾霾图片进行能见度检测，提高了检测精度；另一方面该检测方法应用深度学习理论，适用于针对大数据集的高效率处理。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.01 seconds)
