买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江长龙海运有限公司

摘要：本发明提供一种基于可视化神经网络的多比例尺热力图构建方法，包括：将目标物体信息输入CLIPText预训练模型，获取目标物体位置坐标特征与属性特征，并将目标物体的属性特征输入到CLS模型中分析目标物体类型；将目标物体位置坐标特征与物理世界特征进行融合匹配，生成目标物体在地图上分布的二维图像数据；将二维图像数据输入到CLIPImage预训练模型中进行优化计算；将优化结果与目标物体属性特征联合输入到CAM模块中进行类激活映射，由生成器Generator生成目标物体辐射场分布；将二维图像数据输入到ControlGAN模块中，生成高分辨率HR图像，并与目标物体辐射场分布进行匹配，生成目标物体的热力分布图。

主权项：1.一种基于可视化神经网络的多比例尺热力图构建方法，其特征在于，包括：S1、将目标物体信息输入CLIPText预训练模型，获取目标物体位置坐标特征与属性特征，并将目标物体的属性特征输入到CLS模型中分析目标物体类型；S2、将S1中获取到的目标物体位置坐标特征与物理世界特征进行融合匹配，生成目标物体在地图上分布的二维图像数据；S3、将S2中获取的二维图像数据输入到CLIPImage预训练模型中进行优化计算；S4、将S3中的优化结果与S1中的目标物体属性特征联合输入到CAM模块中进行类激活映射，由生成器Generator生成目标物体辐射场分布；所述CAM模块将CLIPImage预训练模型的输出与目标物体属性特征作为联合输入，利用类激活映射卷积层的空间信息理解CLIPImage预训练模型在做出分类决定识别目标物体区域时高响应的侧重区域；所述侧重区域反映了目标物体的密度分布，根据目标物体属性特征进行重要性估算，得出每个特征图的权重，并将每个特征图与对应的权重相乘，得到加权特征图；所述重要性估算根据目标物体的属性特征是否具有强威胁性以及其所处的风险性逻辑关系等级判定；所述加权特征图求和后，加权求和结果反映目标物体在所在区域的物理世界的密度权重分布，得到相关的类激活热力图，所述类激活热力图中的高响应区域体现为目标物体辐射场分布；S5、将S2中生成的二维图像数据输入到ControlGAN模块中，生成高分辨率HR图像，并与S4中生成的目标物体辐射场分布进行匹配，生成目标物体的热力分布图；所述ControlGAN模块以目标物体在地图上分布的二维图像数据作为输入，根据图像属性中的分辨率对二维图像进行调整，生成高分辨率HR图像；设置自适应残差块基于图像分辨率进行维度转换，实现热力图的多比例尺缩放；将目标物体辐射场分布与ControlGAN输出的高分辨率HR图像进行匹配，生成当前维度目标物体的热力分布图。

全文数据：

权利要求：

百度查询： 浙江长龙海运有限公司 一种基于可视化神经网络的多比例尺热力图构建方法