第二届职工大赛获奖选手作品展播——“数据要素流通”项目三等奖何兵
来源: | 作者:scbigdata | 发布时间: 2023-12-27 | 1750 次浏览 | 分享到:
何兵，成都信息工程大学，副教授，硕士生导师。主持国家、省级等项目共6项，参与项目10余项。发表SCI/EI/中文学术论文30余篇，授权发明专利8项，软件著作权6项，荣获省部级奖项1项、电力行业/企业/协会奖项3项。

11月30日，川渝大数据产业第二届职工创新大赛决赛在中国·雅安大数据产业园开赛，31位选手同台竞技，最终遴选出一等奖两位，二等奖四位，三等奖六位。四川省大数据产业联合会微信公众号将连续展播获奖选手的作品，让更多的人了解到他们在大数据领域的创新成果和独特见解。这些作品涵盖了大数据分析、数据挖掘、人工智能等多个领域，充分展示了川渝地区大数据产业的创新能力和发展潜力。

“数据要素流通”三等奖

选手简介：何兵，成都信息工程大学，副教授，硕士生导师。主持国家、省级等项目共6项，参与项目10余项。发表SCI/EI/中文学术论文30余篇，授权发明专利8项，软件著作权6项，荣获省部级奖项1项、电力行业/企业/协会奖项3项。






劳动创新成果

《高分辨率数字高程模型深度生成模型研究》

一、创新背景

随着遥感数据在地质、环境、城市规划等领域的应用越来越广泛，高分辨率遥感数据的需求日益增长。然而，当前高分辨率遥感数据的稀缺性和高昂的获取成本限制了相关研究和应用的发展。其中，目前可用的高分辨率数字高程数据非常有限，这成为了制约相关领域研究和应用的一大瓶颈。为了解决这个问题，我们研发了遥感数据超分辨率处理平台，并展示了数字高程数据超分辨率建模系统的应用。

二、技术原理
方案融合了传统方法和智能方法的优点，通过云计算、分布式数据处理、机器学习和深度学习等技术的结合，实现了对低分辨率数字高程模型的高效、准确超分辨率重建。具体技术原理包括：
（一）数据分辨率提升方法
设计了新的方法来解决传统数据分辨率提升方法中存在的纹理缺失、细节模糊等问题。
（二）双域多尺度注意力融合网络
双域多尺度注意力融合网络是新方法的关键部分，通过小波引导、小波分离、多尺度注意力融合等技术，提供更精细、可靠的遥感图像纹理。
（三）损失函数设计
为了生成更精细、可靠的遥感图像纹理，设计了新的损失函数，聚焦像素级特征重建和聚焦边缘特征重建。
（四）遥感数据超分辨率建模系统：

基于深度学习框架，该系统能自动化处理和分析输入的低分辨率数字高程数据，通过训练大量的高低分辨率遥感数据进行学习，以获得最佳的超分辨率重建效果。

三、解决方案
（一）云计算与深度学习融合
结合云计算和深度学习技术，为用户提供全面而高效的遥感数据处理和分析解决方案。支持统一的登录和流程管理，用户能够轻松跟踪和管理任务，实现高效的数据处理和模型训练，以及丰富的模型库和优化功能。
（二）分层式架构与功能
系统架构包括底层数据处理、中间模块和上层应用。底层负责数据的接收、裁剪和拼接，并确保数据准确性和完整性。中间模块负责模型设计和训练，以及超分辨率遥感数据的生产和分发。上层应用则以专题图形式共享处理后的数据。
（三）超分功能及辅助工具

该系统主要包括数据预处理模块、超分辨率重建模块和后处理模块三个主要部分。数据预处理模块负责对输入的低分辨率数据进行清洗和预处理，确保数据的质量和准确性。超分辨率重建模块利用深度学习算法对清洗后的数据进行学习，并重建出高分辨率模型。后处理模块则对重建后的高分辨率模型进行优化和可视化分析，提供更加直观和准确的结果展示。这三个模块相互配合，构成了一个完整的超分辨率建模系统，为用户提供了一站式的解决方案。