-
公开(公告)号：CN111461751B
公开(公告)日：2024-03-29
申请号：CN202010254391.5
申请日：2020-04-02
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
IPC: G06Q30/018 , G06Q50/16 , G06F21/64
Abstract: 本发明提供了一种基于区块链的房产信息链上组织方法、历史状态追溯方法及装置。基于所提出的房产信息组织上链的方法，在保证了链上信息不可篡改的前提下，实现了完整的原始房产信息由各节点本地房产信息数据库存储，房产信息哈希值上链减少链上存储压力。同时所有房产信息上链与追溯验证的请求，均通过区块链技术以相关部门背书实施，保证了房产信息上链的正确性，以及必要的隐私保护。房产信息验证和历史状态追溯基于本发明提出的房产信息链上组织方法，实现了对目标房产进行真实性、完整性地追溯，避免了问题房产隐瞒。
-
公开(公告)号：CN116539055A
公开(公告)日：2023-08-04
申请号：CN202310444764.9
申请日：2023-04-24
Applicant: 武汉大学
IPC: G01C21/34
Abstract: 本发明公开了一种自然灾害应急路网地图服务方法及系统。方法包括：设计基于动态分段的灾害应急路网组织模型，并基于该模型构建路网数据库；从多源数据中提取灾害信息，存入灾害信息数据库；将提取的灾害信息与构建的路网数据库中的路网数据进行匹配；对完成匹配的受损路段修改道路通行的权重，采用有权最短路径算法给出灾害发生后的应急路径规划方案；对生成的灾害应急路径进行地图可视化。系统包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。本发明提供的方法和系统，具备高效性、准确性、及时性、多源性等特点，可用于灾害应急路网管理、灾害应急路网地图服务等方面。
-
公开(公告)号：CN111126127B
公开(公告)日：2022-02-01
申请号：CN201911011495.7
申请日：2019-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种多级空间上下文特征指导的高分辨率遥感影像分类方法。该方法将对象的纹理特征，几何特征和空间上下文特征作为深度学习框架的高维特征，放入到全连接分类器中进行分类训练，得到一个面向对象的多特征融合分类器，最后，使用条件随机场对对象级别的分类结果进行像素级别的空间上下文指导分类，进一步提升了分类的精度。本发明提出的多级空间上下文指导的高分辨率遥感影像分类方法，在对象分类中融入了对象的多个特征能够实现超越一般对象分类的深度学习方法，此外，还引入了像素级空间上下文指导的条件随机场方法，实现了高精度的高分辨率遥感影像分类。
-
公开(公告)号：CN111640159A
公开(公告)日：2020-09-08
申请号：CN202010390580.5
申请日：2020-05-11
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明公开了一种基于孪生卷积神经网络的遥感影像变化检测方法，涉及遥感领域，主要解决目前常规的变化检测方法泛化性较差的问题；该方法包括以下步骤：获取多时相遥感影像数据，得到掩膜图像，建立遥感影像变化检测数据集，构建孪生卷积神经网络模型，利用数据集训练孪生卷积神经网络，获得训练模型，利用训练模型对待检测的前时相影像和后时相影像进行变化检测，得到初步变化预测结果，将初步变化预测结果的像素的预测值与预先设定的像素阈值进行比较，从而将初步变化预测结果划分为变化区域类别和非变化区域类别，得到变化检测结果。本发明的方法泛化性能更好，同时满足端到端处理，便于工程应用。
-
公开(公告)号：CN111325771A
公开(公告)日：2020-06-23
申请号：CN202010096915.2
申请日：2020-02-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征，再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征，使得产生的变化结果图具有较高的轮廓一致性和内部一致性，通过在变化检测网络中引入多级深度监督，实现比已有方法更高的变化区域精确率和召回率。
-
Patent Agency Ranking
公开(公告)号：CN112150207B
公开(公告)日：2025-01-14
申请号：CN202011061820.3
申请日：2020-09-30
Applicant: 武汉大学
IPC: G06Q30/0202 , G06Q30/0204 , G06Q50/43 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 为了更合理的分配网约车资源，降低网约车空驶率，提高网约车运营效率，本发明提供了基于时空上下文注意力网络的网约车订单需求预测方法，该方法中构建的网络模型包括堆叠的时空块和一个输出块，每一个时空块包括TRELLIS‑GRU和GAT，TRELLIS‑GRU为门控循环网格网络，GAT为图注意力网络，TRELLIS‑GRU层用于融合时空特征，GAT层用于挖掘不同的时间片段中的空间依赖。本发明充分考虑了城市区域自身的空间位置、不同区域间的相互关系以及多个时间段历史订单的时间依赖对网约车订单需求的影响，从而提高城市区域网约车订单需求的准确性。
-
公开(公告)号：CN114863248B
公开(公告)日：2024-04-26
申请号：CN202210199571.7
申请日：2022-03-02
Applicant: 武汉大学
IPC: G06V20/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深监督自蒸馏的图像目标检测方法。该方法通过深监督自蒸馏的方式来强化火灾检测模型对旧图像集特征知识的学习能力，并重点基于损失函数权重自适应方法，指导模型在训练过程中自动均衡新旧数据集的特征重要性。从而确保模型能够实现高效的增量更新，并进一步提升模型的泛化性能。本发明方法可以有效避免灾难性遗忘问题的发生，并以自适应的方式最大程度上均衡新旧数据集特征知识的重要性，可以在不增加模型参数量、不更改模型架构的情况下实现模型的增量更新，对于模型的更新换代以及泛化性能提升具有重要意义。
-
公开(公告)号：CN112732852B
公开(公告)日：2022-09-13
申请号：CN202011643656.7
申请日：2020-12-31
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明涉及一种跨平台的时空大数据分布式处理方法及软件，在复用传统的地理信息系统内核的基础上，提出了一种跨平台的时空大数据管理方法，运用Apache Beam模型，对空间数据进行高效的存储，避免了用户在不同的分布式计算平台上分别编写数据管理程序，大大提升了开发效率；提出了一种改进的分布式空间数据并行处理方法，在Apache Beam提供的对非空间数据进行并行处理方法的基础上，兼容了对如插值分析、密度分析等需要同时对多个输入点要素进行处理的空间分析算法的并行化。避免了用户编写自己的空间数据处理算法，并使得需要同时对多个输入点要素进行处理的空间分析算法的并行化成为可能，能够对海量空间数据进行高效的处理和分析。
-
公开(公告)号：CN112487125A
公开(公告)日：2021-03-12
申请号：CN202011447802.9
申请日：2020-12-09
Applicant: 武汉大学
Abstract: 本发明提出了一种面向时空大数据计算的分布式空间对象组织方法。本发明基于SPARK弹性分布式数据集结构RDD和开放地理空间信息联盟简单要素空间数据模型与传感网观测数据模型构建空间弹性分布式数据集模型与空间观测弹性分布式数据集，并进一步将空间弹性分布式数据集转化为空间点弹性分布式数据集、空间线弹性分布式数据集和空间面弹性分布式数据集，以支持时空点、线、面、观测大数据的分布式处理。本发明能够支持海量空间数据进行高效的组织和处理，并兼容对传感网观测数据进行高效的组织和处理，运用先进的分布式处理架构为空间数据的组织及计算带来高性能与高可用的特色。
-
公开(公告)号：CN112163827A
公开(公告)日：2021-01-01
申请号：CN202010973071.5
申请日：2020-09-16
Applicant: 武汉大学
IPC: G06Q10/10 , G06Q10/06 , G06F16/9538 , G06F16/953 , G06F16/22
Abstract: 本发明提供了一种卫星遥测智能服务系统，属于卫星遥测智能处理与服务技术领域。本发明的系统由基础设施层、资源管理与服务层、应用层组成，包括了系统管理、资源中心、订单中心、遥测中心和轨道预报5大功能模块。本发明突破了传统卫星遥测资源和数据的组织管理方式，软件底层基于云基础设施和主流的数据存储技术实现对系统基础设施、海量异构遥测资源和数据、在线应用的统一管理，实现在线智能分析与服务。本发明可以实时地与卫星进行数据交互，并将有效的数据存储到数据库中，同时提供了一个操作平台，使用者通过访问浏览器登陆平台即可进行数据查询分析等各项操作。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
