-
公开(公告)号:CN118797377B
公开(公告)日:2024-11-15
申请号:CN202411264721.3
申请日:2024-09-10
Applicant: 武汉大学
IPC: G06F18/23 , G06F18/22 , G06F18/213 , G06F18/10 , G06F18/2411 , G06F18/20
Abstract: 本申请公开了基于轨迹的车道路网增量生成方法、装置、电子设备及存储介质。该方法包括:获取原始轨迹序列并进行预处理;计算预处理后的轨迹序列的运动特征并提取几何特征,基于运动特征与几何特征进行随机变道轨迹检测,得到优选子轨迹序列;获取路网数据;计算路网数据中的路径与优选子轨迹序列对应点的单次位移值,基于单次位移值移动优选子轨迹序列的轨迹点,以对优选子轨迹序列聚类;对路网数据与聚类后的优选子轨迹序列进行匹配,得到匹配的第一子轨迹序列以及未匹配的第二子轨迹序列;基于第二子轨迹序列进行插入路段的构建,以生成新车道,并更新第一子轨迹序列对应的路径的权重。本申请能够提高路网增量生成的精确度。
-
公开(公告)号:CN118036646A
公开(公告)日:2024-05-14
申请号:CN202410212136.2
申请日:2024-02-27
Applicant: 武汉大学
Abstract: 本发明提出了一种上下文检索增强的时空智能体方法及计算机可读介质。通过封装得到每个时空领域算子API服务、每个时空领域数据API服务;利用语义嵌入模型进行计算,得到每个时空领域算子的算子使用描述文本的语义向量、每个时空领域数据的数据描述文本的语义向量;获取多个时空领域工作流;利用语义嵌入模型进行计算得到每个时空领域工作流的工作流描述文本的语义向量;搜索得到召回对应的时空领域工作流;基于大型语言模型的智能体通过循环完成时空领域算子、时空领域数据的召回,大型语言模型生成回复结果反馈给用户。本发明根据用户的自然语言问句进行任务分解、时空领域数据、时空领域算子的匹配和执行,实现了时空领域任务的自动化、智能化。
-
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:CN114359902B
公开(公告)日:2024-04-26
申请号:CN202111463598.4
申请日:2021-12-03
Applicant: 武汉大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于多尺度特征融合的三维点云语义分割方法。针对现有方法中单一编码器存在的感受野受限、难以适应不同类别预测的问题,本发明在网络编码器部分引入多支具有不同感受野的子编码器用于编码不同尺度的特征,为了在保证子编码器感受野大小的同时减少计算量和显存占用,本发明使用空洞卷积提取点云特征。相比于已有的基于深度学习框架的三维点云语义分割方法,本发明方法更好的保留了属于点云集合的不同尺度的高维特征,因此可以适应不同尺度的地物的预测,实现比已有方法更高的语义分割精度。
-
公开(公告)号:CN109934917B
公开(公告)日:2023-05-16
申请号:CN201910151140.1
申请日:2019-02-28
Applicant: 武汉大学
IPC: G06T17/05
Abstract: 本发明提供一种基于机器学习预测计算强度的并行化点云生成DEM方法,其特征在于:进行CART模型的训练,包括特征选择、样本数据生成、模型训练以及存储;使用四叉树对待处理的点云数据进行递归划分,采用存储的CART模型预测各瓦片计算强度,基于Z‑曲线将二维空间的瓦片进行降维处理,然后基于预测的瓦片计算强度和空间编码将瓦片映射到各进程并行内插DEM。本发明技术方案具有高效性和可行性。本发明与传统串行的点云生成DEM相比,采用了基于机器学习预测计算强度的并行化点云生成DEM方法,性能提升能实现量级的突破,有效地节省执行时间,特别适合于海量稠密点云的数据处理,支持地学应用实时化。
-
公开(公告)号:CN114969567B
公开(公告)日:2022-11-15
申请号:CN202210920158.5
申请日:2022-08-02
Applicant: 武汉大学
IPC: G06F16/9536
Abstract: 本发明提供一种高性能时空轨迹关联分析方法、装置及设备,包括构建运营商网络侧O域数据分布式数据库;将运营商网络侧O域数据生成网格二进制文件;实时运营商网络侧O域数据接入与预处理;更新运营商网络侧O域数据分布式数据库和网格二进制文件;查询人员在一定时间内的活动过的时空轨迹;查找与时空轨迹有交集的网格二进制文件集合,计算中所有人员的时间轨迹集合;对时间轨迹与人员的时间轨迹进行时空关联分析,以寻找出对应重点关注人员的所有的时空轨迹关联者。本发明极大提高了时空轨迹关联关系的分析计算效率。
-
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:CN113378727B
公开(公告)日:2022-04-29
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:CN114359902A
公开(公告)日:2022-04-15
申请号:CN202111463598.4
申请日:2021-12-03
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多尺度特征融合的三维点云语义分割方法。针对现有方法中单一编码器存在的感受野受限、难以适应不同类别预测的问题,本发明在网络编码器部分引入多支具有不同感受野的子编码器用于编码不同尺度的特征,为了在保证子编码器感受野大小的同时减少计算量和显存占用,本发明使用空洞卷积提取点云特征。相比于已有的基于深度学习框架的三维点云语义分割方法,本发明方法更好的保留了属于点云集合的不同尺度的高维特征,因此可以适应不同尺度的地物的预测,实现比已有方法更高的语义分割精度。
-
公开(公告)号:CN108920540B
公开(公告)日:2021-12-03
申请号:CN201810602534.X
申请日:2018-06-12
Applicant: 武汉大学
Abstract: 本发明公开了一种基于Spark的并行栅格数据处理方法,基于Spark框架实现将高分辨率遥感影像按行进行迭代二分切分,直到遥感影像数据被均匀划分并且大小基本接近预定义的切片大小;将切分的影像分片实例化为可序列化遥感影像对象RsImage,按照分片在原始影像中的位置,按序存储到分布式文件系统HDFS上;反序列化存储在HDFS上的分片影像,生成以相应RDD;基于分区并行执行地理栅格数据处理算法;将分布式环境中各个核处理完的影像对象基于分片号合并排序,然后对排序后的分块影像进行影像拼接存储。本发明技术方案具有高效性和可行性。
-
-
-
-
-
-
-
-
-