[发明专利]数据处理方法、服务器和存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取目标地理区域的影像数据；

将所述影像数据输入预先训练的分析模型，预测得到所述影像数据对应的多个特征图像；

根据多个所述特征图像，生成所述目标地理区域的分析结果。

2.根据权利要求1所述的方法，其特征在于，所述分析模型中包括一个编码器和多个解码器，所述将所述影像数据输入预选训练的分析模型，预测得到所述影像数据对应的多个特征图像，具体包括：

将所述影像数据输入到所述编码器中进行编码，得到编码特征；

将所述编码特征分别输入到多个解码器中，得到多个特征图像，每一所述解码器对应于一个所述特征图像。

3.根据权利要求2所述的方法，其特征在于，所述特征图像包括人口密度分布图、城市交通分布图或者出行路径图中的至少一项，所述影像数据为遥感图像。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法，还包括：

将训练样本集输入到所述分析模型中，预测得到所述训练样本集的每条样本数据中的影像数据样本对应的多个预测特征图像；

使用所述训练样本集中每条影像数据样本对应的多个样本特征图像、预测得到的每条影像数据样本对应的多个预测特征图像和每一特征图像对应的权重因子，计算得到所述分析模型的模型损失；

当所述模型损失小于损失阈值时，结束所述分析模型的训练；否则，使用所述模型损失优化所述分析模型中的参数，并循环执行上述步骤。

5.根据权利要求4所述的方法，其特征在于，所述使用所述训练样本集中每条影像样本对应的多个样本特征图像、预测得到的每条影像数据样本对应的多个预测特征图像和每一特征图像对应的权重因子，计算得到所述分析模型的模型损失，具体包括：

根据所述影像数据样本对应的多个样本特征图像和多个预测特征图像，确定所述影像数据样本的每一特征图像的特征损失；

统计当前迭代周期内每一所述预测特征图像的准确率，根据所述准确率，确定每一所述特征图像在当前迭代周期内的权重因子；

根据每一所述特征图像的所述特征损失和所述权重因子，确定所述分析模型的模型损失。

6.根据权利要求4所述的方法，其特征在于，所述将所述训练样本集输入到所述分析模型之前，所述方法，还包括：

获取训练样本集，所述训练样本集中的每条样本数据包括影像数据样本和所述影像数据样本对应的多个样本特征图像。

7.根据权利要求6所述的方法，其特征在于，所述获取训练样本集，具体包括：

获取真实样本集，所述真实样本集中每条样本数据包括真实影像数据和所述真实影像数据对应的多个真实特征图像；

使用训练后的仿真模型生成仿真样本集，所述仿真样本集中每条样本数据包括仿真影像数据和所述仿真影像数据对应的多个仿真特征图像；

融合所述真实样本集和所述仿真样本集，得到训练样本集。

8.根据权利要求7所述的方法，其特征在于，所述方法，还包括：

将真实样本集中的每一真实影像数据和其对应的多个真实特征图像，分别作为一个通道，组合得到所述仿真模型的输入数据；

在对所述输入数据进行三维卷积后，对每一所述通道进行特征提取，得到第一特征数据；

将所述第一特征数据输入所述仿真模型的生成器，生成仿真数据；

对所述仿真数据进行二维卷积后，进行整体特征提取，得到第二特征数据；

将所述第二特征数据输入所述仿真模型的判别器，对所述仿真数据进行分类；

根据所述仿真数据的分类结果，生成第一损失和第二损失；

使用所述第一损失反向优化所述生成器，以及使用所述第二损失反向优化所述判别器。