-
公开(公告)号：CN108804781B
公开(公告)日：2022-06-14
申请号：CN201810514261.3
申请日：2018-05-25
Applicant: 武汉大学
IPC: G06F30/20 , G06F113/08
Abstract: 本发明公开了一种流计算与传感网集成的地理过程近实时模拟方法，包括从传统的地理过程模型库中选择需要使用的地理过程模型，搭建传感网，实时获取相关的观测数据，以中间件不断获取实时观测数据并按时间序列组织转化为观测数据流，实现流计算与传感网耦合；在流计算框架订阅生成观测离散数据流O‑DStream，按时间间隔划分为观测弹性分布式数据集O‑RDD；将传统地理过程模型进行并行化改造，将O‑RDD中的观测对象数据以区域为单位平均分配到各个节点进行处理，将处理结果叠加到DEM上可视化实现地理过程近实时模拟。本发明设计了近实时地理过程流计算模型和流计算与基于开放地理信息联盟(OGC)标准的传感网的耦合架构，具有近实时、易扩展、可容错的特性。
-
公开(公告)号：CN114283120A
公开(公告)日：2022-04-05
申请号：CN202111461204.1
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本发明公开了一种基于领域自适应的端到端多源异质遥感影像变化检测方法。该方法通过一个预训练的非共享权重孪生深度特征提取网络提取双时相影像的高维特征，再将提取出的异质影像高维特征放入领域自适应域一致性约束层中进行特征空间一致性约束，最后解码部分融合特征提取得到的不同尺度特征，并进行深度监督融合得到最终变化检测结果。本发明提出的用于多源异质遥感影像变化检测的网络框架在编码解码过程之间加入了一个领域一致性约束块，并且在解码部分融合原始影像的多级高维特征，并通过深度监督融合方式得到结果，实现比已有方法更高的变化区域精确率和召回率。
-
公开(公告)号：CN111325771B
公开(公告)日：2022-02-01
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。
-
公开(公告)号：CN113378727A
公开(公告)日：2021-09-10
申请号：CN202110665192.8
申请日：2021-06-16
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特征偏差对齐的遥感影像二值变化检测方法，包括：步骤1：构造双时相遥感影像二值变化检测数据集并进行预处理；步骤2：构建基于特征偏差对齐的二值变化检测模型，并给定双时相遥感影像获得变化区域预测结果及变化区域辅助预测图；步骤3：使用真实变化区域标签结果与预测变化区域结果及变化区域辅助预测图分别计算主损失函数和辅助损失函数，根据损失对梯度进行反向传播更新模型，直至损失值收敛时终止训练，保存模型结构及模型权重；步骤4：使用步骤3训练好的模型权重对测试集数据进行预测。本发明可以有效的解决当双时相遥感影像由于多视角拍摄、高层建筑物过多或地形起伏较大等因素引起的变化区域误检现象。
-
公开(公告)号：CN112488025A
公开(公告)日：2021-03-12
申请号：CN202011451412.9
申请日：2020-12-10
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多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
Patent Agency Ranking
公开(公告)号：CN112181642A
公开(公告)日：2021-01-05
申请号：CN202010971187.5
申请日：2020-09-16
Applicant: 武汉大学
Abstract: 本发明公开了一种空间计算操作的人工智能优化方法，该方法包括：通过运用机器学习中特征选择技术包括RReliefF、平均精度减少、平均不纯度减少、递归特征消除和包裹式遗传算法，以及回归模型训练技术包括CART回归树、随机森林、梯度上升回归和支持向量回归，构建最优计算强度预测模型，嵌入并优化高性能地理计算过程。结果提供了一个机器学习技术预测地学应用计算强度的应用方法，本发明以传统GIS空间计算操作中的多边形空间相交为例，证明了提出方法的可行性以及高效性。
-
公开(公告)号：CN110334907A
公开(公告)日：2019-10-15
申请号：CN201910476690.0
申请日：2019-06-03
Applicant: 武汉大学
Abstract: 本发明公开了一种基于工作流的灾害应急任务组合方法，该方法包括以下步骤：步骤1、构建灾害应急任务流程的抽象层：根据灾害学灾害应急领域的相关知识，设计基础算子，构建灾害应急业务流程的抽象层；抽象层由多个活动组成，每个活动是一个执行单元，活动之间设置相应的执行顺序，执行单元包括输入、处理以及输出三个部分；步骤2、对灾害应急任务流程进行实例化：为构建灾害应急业务流程抽象层绑定参数，形成灾害应急业务的实例层；步骤3、基于Petri的灾害应急业务流程验证。本发明针对复杂的灾害应用场景，相比于传统方法，该方法减少人工参与，更加高效便捷，可有效提高灾害应急响应速度。
-
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：CN113886451B
公开(公告)日：2024-11-22
申请号：CN202111069321.3
申请日：2021-09-13
Applicant: 武汉大学
IPC: G06F16/2457 , G06F16/2458 , G06F16/9537
Abstract: 本发明涉及一种融入多视图的基于自注意力机制的POI推荐方法。本发明通过对获取的用户数据进行预处理，并利用自注意机制分别更新POI和POI类别的特征，然后使用交叉融合注意力网络学习两者之间的相互依赖关系，挖掘在融入POI类型信息的前提下的POI特征，并根据用户的出行范围对候选POI进行预筛选，从而更加科学、有效、真实地为用户推荐下一时刻出行的地点，有助于进一步分析为发展规划、建筑选址等提供决策支持。
-
公开(公告)号：CN118799837B
公开(公告)日：2024-11-15
申请号：CN202411273125.1
申请日：2024-09-12
Applicant: 武汉大学
IPC: G06V20/56 , G06V10/20 , G06V10/74 , G06V10/764
Abstract: 本申请公开了面向车端局部地图的质量评价方法、装置、存储介质及电子设备。该方法包括：获取车端局部地图，所述车端局部地图包括预测地图与真值地图；对所述车端局部地图进行预处理；对预处理后的所述预测地图与预处理后的所述真值地图进行匹配，得到匹配结果；基于所述匹配结果计算所述车端局部地图的完整性评价参数、逻辑一致性评价参数、位置准确度评价参数以及专题质量评价参数；基于所述完整性评价参数、所述逻辑一致性评价参数、所述位置准确度评价参数以及所述专题质量评价参数得到车端局部地图的质量评价结果。本申请能够全面客观地描述地图产品的性能。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.108 seconds)
