[发明专利]数据处理方法、服务器和存储介质

说明书

本申请提供一种数据处理方法、服务器和存储介质。该方法包括：服务器获取目标地理区域的影像数据。其中，该影像数据可以为遥感图像。服务器可以将该影像数据输入预先训练的分析模型。服务器可以通过该分析模型预测得到该影像数据对应的多个特征图像。其中，该分析模型可以为多任务学习模型。服务器可以根据预设的判断规则，从这些特征图像中提取对应的分析结果。服务器还可以将特征图像转换为热点图后，将热点图作为分析结果输出。该分析结果即为目标地理区域的分析结果。本申请的方法，提高了分析准确率。

技术领域

本申请涉及计算机视觉领域，尤其涉及一种数据处理方法、服务器和存储介质。

背景技术

随着城市的不断发展，人们对于城市内生活质量的需要日益增强。为了提高人们的生活质量，研究人员会使用智慧城市，对城市空间进行规划，智能分配城市公共资源，以提高人们的生活质量。

智慧城市的实质是以人工智能技术为支撑的公共系统。目前，智慧城市可以在获取大量的城市数据的基础上，完成对城市空间的规划和城市公共资源的分配。

然而，现有技术中，城市数据采集速度慢采集难度高的情况，容易导致智慧城市的分析准确率低的问题。

发明内容

本申请提供一种数据处理方法、服务器和存储介质，用以解决现有技术中城市数据采集速度慢采集难度高的情况导致的智慧城市的分析准确率低的问题。

第一方面，本申请提供一种数据处理方法，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。

可选地，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。

可选地，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。

可选地，所述方法，还包括：

将所述训练样本集输入到所述分析模型中，预测得到每条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。

可选地，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。

可选地，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：