公开(公告)号：CN116775784A

公开(公告)日：2023-09-19

申请号：CN202310666215.6

申请日：2023-06-06

Applicant: 中国地质大学(武汉)

Inventor： 徐永洋 ,  徐天健 ,  谢雪景 ,  谢忠

IPC: G06F16/29 ,  G06F16/22 ,  G06F16/2457 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于Siamese网络的空间数据检索方法、装置、设备及存储介质。包括获取相关空间数据，对空间数据进行预处理，以图数据结构特征存储对应数据所蕴含的空间信息；将空间数据的属性信息存储于图数据中的节点特征中以增强节点的语义特征表示；并将空间数据间的空间关系信息存储于图数据中的边特征中以增强图数据的空间关系特征，使得增强后的空间图数据结构更符合人为进行空间数据检索时的定性思考的思维模式。之后通过构建对应的Siamese网络框架，保证在训练模型时可以用到最少的样本信息以及共享权重，并结合图卷积神经网络的信息传递优势学习空间数据的空间结构。在兼顾空间数据属性特征以及空间关系特征的前提下实现空间数据的检索与查询。

公开(公告)号：CN116758424A

公开(公告)日：2023-09-15

申请号：CN202310739574.X

申请日：2023-06-20

Applicant: 中国地质大学(武汉)

Inventor： 徐永洋 ,  李文晶 ,  谢雪景 ,  谢忠

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于图卷积网络的建筑物化简算法选择方法、装置及设备。该方法通过对单个建筑物构建合理图结构，使模型学习到单个建筑物的形状特征，对其进行自适应化简算法分类，找到适合该形状建筑物在目标比例尺下化简的最优解。旨在通过对建筑物形状特征的学习，建立对建筑物整体的形状特征与表达，通过图卷积神经网络学习分类的方法，建立建筑物形状编码与多种化简算法的映射关系，从而实现为目标比例尺下的建筑物轮廓化简。本发明将图卷积神经网络应用于建筑物化简算法选择研究，能批量化、自动化的对建筑物语义分割结果进行有效化简；本发明在对建筑物形状进行描述时，引入了多尺度特征，对建筑物的形状描述更加准确。

公开(公告)号：CN116628078A

公开(公告)日：2023-08-22

申请号：CN202310642153.5

申请日：2023-05-31

Applicant: 中国地质大学(武汉)

Inventor： 胡胜 ,  李天琪 ,  徐永洋 ,  吴亮

IPC: G06F16/26 ,  G06F16/29 ,  G06F16/901 ,  G06Q50/26 ,  G06F18/20 ,  G06N20/00 ,  G08G1/01

Abstract: 本发明提供了一种层次化城市空间结构识别方法及系统，包括：获得城市道路数据、出租车轨迹数据和兴趣点数据并进行预处理，构建路网抽象模型；采用词向量模型对交通元素语料库进行训练，获得路网节点的词向量表示；结合所述的路网节点的词向量表示和社区检测算法进行无监督训练，提取层次化城市空间结构；通过兴趣点数据构建城市功能测度指标，通过测量指标对层次化城市空间结构进行测度，获得空间结构的土地利用信息。本发明的有益效果是：将网络科学中图划分的方法引入城市规划，同时能够通过出租车轨迹数据挖掘居民出行信息，结合道路拓扑特征和居民出行特征进行多尺度、自动化的城市空间结构识别，具有较好的效益。

公开(公告)号：CN110136075B

公开(公告)日：2021-01-05

申请号：CN201910313286.1

申请日：2019-04-18

Applicant: 中国地质大学(武汉)

Inventor： 徐永洋 ,  胡安娜 ,  谢忠 ,  冯雅兴 ,  曹豪豪

IPC: G06T5/00 ,  G06T5/50 ,  G06T7/11

Abstract: 本发明提出了一种基于边缘锐化循环生成对抗网络的遥感影像去雾方法。该方法利用深度生成对抗网络对有雾遥感影像进行处理，可以自动化、大量化的恢复有雾遥感影像地物信息；其次，本发明提出一个加入图像锐化机制的循环生成对抗网络模型，该模型改进了生成对抗网络生成图片纹理不清晰的情况，提高了对模糊图像的判别能力；最后，本发明改进了模型计算感知一致性损失函数的VGG16网络预训练过程，利用遥感影像预训练VGG16网络，让遥感影像特征被更好的提取，使得感知损失误差计算更为精确。与现有遥感影像去雾方法相比，本发明具有智能化、批量化和自动化的优点，可以显著提高遥感影像质量，保护遥感影像纹理等细节信息，达到很好的恢复效果。

公开(公告)号：CN110334589A

公开(公告)日：2019-10-15

申请号：CN201910436122.8

申请日：2019-05-23

Applicant: 中国地质大学(武汉)

Inventor： 徐永洋 ,  冯雅兴 ,  谢忠 ,  胡安娜 ,  曹豪豪

IPC: G06K9/00 ,  G06N3/04

Abstract: 本发明提供了一种基于空洞卷积的高时序3D神经网络的动作识别方法，包括：首先对三维Inception-V1神经网络模型进行改进，得到改进后的三维Inception-V1神经网络模型；然后将公开数据集分为训练集和测试集对改进后的三维Inception-V1神经网络模型进行训练和测试，得到训练后的高精度三维Inception-V1神经网络模型；最后采用训练后的高精度三维Inception-V1神经网络模型对实际视频的动作进行识别。本发明的有益效果是：本发明所提出的技术方案在保持高时序性的同时引入新的非局部特征门算法来重新定义三维Inception-V1神经网络模型通道权重，提高了模型准确率。

公开(公告)号：CN105893703A

公开(公告)日：2016-08-24

申请号：CN201610268365.1

申请日：2016-04-27

Applicant: 中国地质大学(武汉)

Inventor： 陈占龙 ,  谢忠 ,  吴亮 ,  胡宗哲 ,  徐永洋 ,  龚希 ,  叶文

IPC: G06F17/50

CPC classification number: G06F17/509

Abstract: 本发明提供了一种基于多边形的城市道路网主干道选取方法，首先以OSM地图数据作为数据源并进行处理生成区要素；利用紧凑度、宽度、复杂度和圆形度这四个形状描述子组成一个四维向量对生成的区要素道路网数据中的多边形进行描述，同时标记出颗粒型多边形并进行提取；使用非线性SVM分类方法将得到的四维向量进行分类，经过分类后提取出对应的多边形。将提取出的颗粒型多边形和SVM分类后的多边形合并为种子多边形。本发明提出了更能有效描述主干道多边形的形状描述子，分别对不同形态特征的主干道多边形进行处理，最后，基于道路网多边形间的拓扑特征对经过支持向量机提取的种子多边形做进一步处理得到最终主干道多边形。