-
公开(公告)号：CN115203351A
公开(公告)日：2022-10-18
申请号：CN202210803355.9
申请日：2022-07-07
Applicant: 厦门大学
Abstract: 本发明公开了一种多图融合的城市区域表示学习方法和预测方法，其中表示学习方法包括：获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示；由此，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。
-
公开(公告)号：CN114638964A
公开(公告)日：2022-06-17
申请号：CN202210216065.4
申请日：2022-03-07
Applicant: 厦门大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06V20/56 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。
-
公开(公告)号：CN111915057B
公开(公告)日：2022-05-17
申请号：CN202010599191.3
申请日：2020-06-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习和群智感知的单车需求预测与调度方法，包括如下步骤：步骤S1：单车需求预测：建立单车需求图结构，基于历史时刻图结构节点属性值和边权重，预测未来时刻图结构节点的属性值；通过时空网络架构准确预测出未来时刻的单车需求变化趋势；步骤S2：生成单车调度任务：根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，步骤S3：单车群智调度执行：根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，本发明提供的方法，可以准确地预测城际范围内的自行车骑行需求，并基于预测结果，利用群智感知技术有效地进行自行车调度，提升了自行车系统的有效利用率，节省了单车调度所需的人力物力。
-
公开(公告)号：CN114414090A
公开(公告)日：2022-04-29
申请号：CN202111531294.7
申请日：2021-12-14
Applicant: 厦门大学
Abstract: 本发明公开了一种基于遥感影像和多层感知的地表温度预测方法及系统，其中该方法包括：由输入的遥感影像生成多尺度地理语义类别图；采用多层局部地表特征提取器从多尺度地理语义类别图提取多尺度地表特征；将多尺度地表特征进行拼接，输入多层感知机得到地表整合特征；采用第一多层感知机从输入的AF数据提取特征；将地表整合特征与提取的AF特征进行拼接，输入特征解码器得到地表温度预测；训练时在各尺度地表特征后增加独立预测分支，联合训练；由此，通过多层级地理语义信息的利用及物理过程的引导，能够生成高精准度的城市地表温度预测并具高泛化性，从而为城市的规划与建设提供信息支撑。
-
公开(公告)号：CN109325156B
公开(公告)日：2021-12-17
申请号：CN201810376370.3
申请日：2018-04-25
Applicant: 厦门大学
IPC: G06F16/909
Abstract: 本发明公开了一种基于扩展线段的农村道路网匹配方法，采用在参考线段周围构建缓冲区的方法，按长度、距离、角度计算落在缓冲区内的线段与参考线段间的相似性，以此选出候选线段；针对一对多的匹配情况，提出对参考线段与候选线段分别做扩展，再依据长度、距离、形状来计算扩展后线段间的相似性，对相似性较大的线段进行选择后构成新的候选线段；构造一个自适应参数，来表示选择后的新候选线段的个数，通过迭代循环扩展步骤使自适应参数逐渐减少到1，此时即确定了与参考线段正确匹配的线段。
-
Patent Agency Ranking
公开(公告)号：CN108765475B
公开(公告)日：2021-11-09
申请号：CN201810517923.2
申请日：2018-05-25
Applicant: 厦门大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于深度学习的建筑物三维点云配准方法，包括以下步骤：S1、训练数据的获取；S2、深度学习模型的构建；S3、模型训练及调优；S4、待检测数据预处理；S5、检测点云关键区域；S6、检测点云关键点；S7、判断关键点对应关系；S8、计算转换关系及配准。本发明将深度学习应用于点云配准的两个关键步骤：寻找关键点及确定匹配关系。本发明充分利用深度学习对点云数据的表征能力来分步骤寻找关键区域、定位关键点，相对于传统的遍历方式极大地加快了检测速度，并且用深度网络模型学习点云特征而代替手工特征，使得算法更加鲁棒和高效。
-
公开(公告)号：CN111260919B
公开(公告)日：2021-06-22
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
公开(公告)号：CN112906911A
公开(公告)日：2021-06-04
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
公开(公告)号：CN109117987B
公开(公告)日：2020-09-29
申请号：CN201810790785.5
申请日：2018-07-18
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的个性化交通事故风险预测推荐方法，包括以下步骤：将城市划分为网格区域；计算各网格区域各时段的交通事故数据、交通流量数据、天气特征数据；利用深度学习方法进行模型训练，获得交通事故风险预测模型；根据当前时刻的交通事故数据、交通流量数据及天气特征数据输入，利用交通事故风险预测模型计算下一时刻城市区域交通事故风险预测情况。本发明利用深度学习方法学习交通事故影响因子与交通事故之间的非线性、高维、复杂关联关系，对城市级别的交通事故风险进行预测，提升了预测结果的准确性。
-
公开(公告)号：CN111612886A
公开(公告)日：2020-09-01
申请号：CN202010318788.6
申请日：2020-04-21
Applicant: 厦门大学
IPC: G06T17/00
Abstract: 本发明公开了一种室内三维模型生成方法、介质及系统，其中方法包括以下步骤：获取待建模的室内三维点云数据，并根据所述室内三维点云数据生成对应的二维图片；将所述二维图片输入到预先训练好的语义标注模型，以通过语义标注模型过滤所述二维图片中的干扰线，并提取二维图片的轮廓信息，以及根据轮廓信息对二维图片中的轮廓进行标注，以生成室内二维模型；根据室内二维模型和所述室内三维点云数据生成所述待建模建筑对应的三维模型；能够避免因可移动物体妨碍导致的三维点云缺失等问题对建模的影响，并对室内三维数据进行建模，同时，降低三维数据处理过程中所需要的人力和物力资源。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.025 seconds)
