[发明专利]一种基于图像金字塔提取城市画像多尺度特征并持久化的方法

说明书

本发明公开了一种基于图像金字塔提取城市画像多尺度特征并持久化的方法，包括：构建金字塔特征提取模块；获取城市基础地理信息数据和由城市多源异构数据构成的城市画像，根据城市基础地理信息数据利用金字塔特征提取模块针对城市画像构建金字塔结构的城市画像多尺度特征；构建城市画像多尺度特征持久化模块；通过城市画像多尺度特征持久化模块将城市画像多尺度特征保存至针对图像金字塔特征提取模型设计的目标数据库，并提供相应数据接口，服务于数据挖掘算法、深度学习算法及智慧城市的应用。本发明能够很好地满足特征分层细化、动态调节的需求，同时通过特征持久化服务减少数据中心计算资源的浪费。

技术领域

本申请属于大数据技术领域，具体涉及一种基于图像金字塔提取城市画像多尺度特征并持久化的方法。

背景技术

智慧城市建设是城市发展与创新的前沿领域，智慧城市建设的实践无法脱离数据、业务与智能算法。例如在申请号201810057801.X《一种基于城市多源异构数据构建城市画像的方法》的专利文献中，提供了一种基于城市多源异构数据构建城市画像的方法，该方法通过汇聚、积累、标准化存储管理多源异构城市数据，实现多源异构数据的关联融合，并在此基础上提供高效的数据服务，从而构建能服务于深度学习训练预测以及全方位城市数据展示的多维数据“城市画像”。

基于“城市画像”的研究很好地支撑了城市数据整体的统筹与融合，智慧城市相关业务及智能算法的研究得以在此基础之上展开。在智慧城市实践中，如何利用这些城市数据进行特征设计与特征提取直接决定了智能算法在相关业务问题中的表现。由于“城市画像”的特征维度高、数据体量大，在此基础上直接进行数据分析与挖掘是非常困难且需要消耗海量资源的。由于在大数据环境下，深度神经网络提取特征的能力已经被证明优于人工设计特征，现有的智慧城市智能算法大多使用端到端的深度神经网络，或者使用深度特征提取网络结合传统数据挖掘算法，这些算法往往会大量重复进行相同或相似的特征提取工作，例如利用被大量使用的ResNet进行特征提取，这在很大程度上造成了计算资源的极大浪费。

智慧城市业务不仅需要考虑全局特征，还需要根据业务需求对城市进行分层细化，如根据行政级别进行网格-社区/街道-区/县-市的分层，分层细化的尺度取决于城市体量、行政级别、业务垂直分层体系等因素，但现有的特征提取网络缺乏特征尺度动态可调节的能力。

发明内容

本申请的目的在于提供一种基于图像金字塔提取城市画像多尺度特征并持久化的方法，能够很好地满足特征分层细化、动态调节的需求，同时通过特征持久化服务减少数据中心计算资源的浪费。

为实现上述目的，本申请所采取的技术方案为：

一种基于图像金字塔提取城市画像多尺度特征并持久化的方法，所述基于图像金字塔提取城市画像多尺度特征并持久化的方法，包括：

构建金字塔特征提取模块，所述金字塔特征提取模块包括基础特征提取模型和图像金字塔特征提取模型；

获取城市基础地理信息数据和由城市多源异构数据构成的城市画像，根据城市基础地理信息数据利用所述金字塔特征提取模块针对所述城市画像构建金字塔结构的城市画像多尺度特征；

构建城市画像多尺度特征持久化模块；

通过城市画像多尺度特征持久化模块将所述城市画像多尺度特征保存至针对所述图像金字塔特征提取模型设计的目标数据库，并提供相应数据接口，服务于数据挖掘算法、深度学习算法及智慧城市的应用。

作为优选，所述金字塔特征提取模块，包括：

数据接收和预处理单元，用于接收输入数据，并计算输入数据的稠密程度，所述输入数据包括所述城市画像以及所述城市基础地理信息数据；

所述基础特征提取模型，用于根据计算得到的稠密程度针对所述城市画像生成基础特征图；