-
公开(公告)号:CN114925994B
公开(公告)日:2024-07-23
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/13 , G06V10/82 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/25 , G06N3/048
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-
公开(公告)号:CN114925994A
公开(公告)日:2022-08-19
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-
公开(公告)号:CN115937701A
公开(公告)日:2023-04-07
申请号:CN202211518706.8
申请日:2022-11-30
Applicant: 厦门大学
Abstract: 本发明提供基于多源异构数据融合的山火识别及过火面积估算方法,包括:获取含有热点目标的卫星遥感图像,并进行预处理;采用Faster R‑CNN对卫星遥感图像进行热点目标检测,得到含有热点预测框的图像以及相对应的预测框坐标;对预测框进行坐标转换,利用全球森林覆盖图进行多源数据融合,实现非山火区域滤除;分别采用NDVI阈值法和NBR阈值法对过火面积进行估算;利用卫星热红外遥感数据对山火进行检测,热红外遥感对高温目标识别敏感,通过遥感图像中山火区域和背景区域的灰度值差异,并且融合全球森林覆盖图有效判别火点,不依赖可见光,时间分辨率高、图像覆盖范围广,能够全天候大范围实现山火监测,且卫星重访周期有利于对森林资源的动态监测和过程分析。
-
-