龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：之江实验室;中国科学院大学
摘要：本发明公开了一种基于深度学习的时空轨迹数据质量增强方法及装置，该方法包括：获取预定空间内的原始时空轨迹数据；根据所述原始时空轨迹数据，构建轨迹图像训练对，所述轨迹图像训练对包括低分辨率轨迹图像和相应的高分辨率轨迹图像；以所述低分辨率轨迹图像作为输入，使用图像超分辨率重建技术生成超分辨率轨迹图像；利用基于卷积神经网络的图像嵌入模型将所述超分辨率轨迹图像和与之对应的所述高分辨率轨迹图像到低维向量空间中，得到低维轨迹向量，完成时空轨迹数据质量的增强。本发明将图像超分辨率重建技术引入到轨迹质量增强问题中，有效地缓解了不一致采样率和噪声对轨迹数据质量影响。
主权项：1.一种基于深度学习的时空轨迹数据质量增强方法，其特征在于，包括：获取预定空间内的原始时空轨迹数据；根据所述原始时空轨迹数据，构建轨迹图像训练对，所述轨迹图像训练对包括低分辨率轨迹图像和相应的高分辨率轨迹图像；以所述低分辨率轨迹图像作为输入，使用图像超分辨率重建技术生成超分辨率轨迹图像；具体为：所述图像超分辨率重建技术是基于FSRCNN超分辨率模型来实现单张图像的超分辨率生成；所述模型分为五部分：特征提取、收缩、非线性映射、扩张和反卷积；所述模型在特征提取部分使用大小为5×5的卷积核来提取低分辨率图像的特征；收缩部分使用是1×1的卷积核；非线性映射部分使用多层3×3的卷积层；扩张部分使用1×1的卷积核；最后通过反卷积层实现对图像的上采样；利用基于卷积神经网络的图像嵌入模型将所述超分辨率轨迹图像和与之对应的所述高分辨率轨迹图像嵌入到低维向量空间中，得到低维轨迹向量，完成时空轨迹数据质量的增强。
全文数据：
权利要求：
百度查询： 之江实验室 中国科学院大学 一种基于深度学习的时空轨迹数据质量增强方法及装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号