申请/专利权人：山东省国土测绘院

申请日：2024-04-28

公开（公告）日：2024-07-05

公开（公告）号：CN118114080B

主分类号：G06F18/23

分类号：G06F18/23;G06F18/241;G06N3/0464;G06N3/08;G06F16/29

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.18#实质审查的生效;2024.05.31#公开

摘要：本发明涉及数据分析领域，特别是一种基于深度学习的地理信息数据采集方法及系统。通过利用聚类算法对初始地理信息数据进行数据聚类处理，基于全卷积神经网络建立U‑Net地理信息识别模型，在U‑Net地理信息识别模型中添加AG注意力机制模块；将训练地理信息数据输入至目标U‑Net地理信息识别模型中进行识别，得到分类地理信息数据；利用SHA‑256多图像加密算法对分类地理信息数据进行加密，得到加密分类地理信息数据；将加密分类地理信息数据输入至数据库中进行存储，并对加密分类地理信息数据进行信息数据查询监测。提高了采集的准确性和稳定性。

主权项：1.一种基于深度学习的地理信息数据采集方法，其特征在于，所述地理信息数据采集方法包括以下步骤：基于激光雷达传感器和图像传感器获取采集地点的实时地理信息数据，对所述实时地理信息数据进行数据预处理，得到初始地理信息数据；利用K-means聚类算法对所述初始地理信息数据进行数据聚类处理，得到训练地理信息数据；基于U-Net全卷积神经网络建立U-Net地理信息识别模型，所述U-Net地理信息识别模型至少包括输入层、卷积层、最大池化层、跳跃连接层和输出层；在所述U-Net地理信息识别模型的跳跃连接层之间添加AG注意力机制模块；通过所述AG注意力机制模块增大地理信息数据的权重，增强述U-Net地理信息识别模型对地理信息数据的学习能力；在所述U-Net地理信息识别模型的网络结构中增加ASPP模块，利用所述ASPP模块获取不同采样等级地理图像的特征图带入所述U-Net地理信息识别模型中进行计算；获取不同尺度的地图特征，将不同尺度的地理特征进行融合，得到目标U-Net地理信息识别模型；将所述训练地理信息数据输入至所述目标U-Net地理信息识别模型中进行识别，得到分类地理信息数据；利用SHA-256多图像加密算法对所述分类地理信息数据进行加密，得到加密分类地理信息数据；将所述加密分类地理信息数据输入至数据库中进行存储，并对所述加密分类地理信息数据进行信息数据查询监测，若所述加密分类地理信息数据的查询和下载次数超过设定阈值，则进行预警。

全文数据：

权利要求：

百度查询： 山东省国土测绘院 一种基于深度学习的地理信息数据采集方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD