【技术实现步骤摘要】
本公开属于基于特定模型的计算机系统和数据处理领域，具体涉及灾害预测、深度学习算法、机器学习、模型训练、模型训练和微调、模型本地化等，尤其涉及一种单模态滑坡识别预测模型的训练装置、滑坡识别预测基座模型的训练装置、滑坡识别预测模型的本地化装置、滑坡识别预测装置和滑坡识别系统。
技术介绍
1、本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、现有的人工智能模型主要采用集中式架构，训练数据位于服务器端，模型训练也在服务器端进行，存在数据隐私泄露和服务器性能瓶颈问题，无法满足滑坡监测数据安全和持续不断地采集滑坡监测数据的需求。
3、对于地址灾害识别，由于可能涉及到高精度地图和地址数据的使用，采集的原始数据涉及国家安全，不同部门都不愿意共享自身拥有的数据，另外，由于法律合规的完善，原始数据的自由流动变得越来越困难，如何在保证数据安全以及原始数据缺失的情况下获得灾害预测结果变得尤为迫切。
4、现有的滑坡模型训练必须要求训练数据在服务器端进行，需要传...
【技术保护点】
1.一种单模态滑坡识别预测模型的训练装置，其特征在于，设置于第一设备端，包括：
2.根据权利要求1所述的装置，其特征在于，所述单模态滑坡数据包括以下任一项：
3.根据权利要求2所述的装置，其特征在于，所述单模态滑坡数据中还包含有：低于预设精度的地理位置信息，对应的，所述滑坡结果数据中还包含有：不低于所述预设精度的地理位置信息，所述地理位置信息包括：经度信息、纬度信息和高程信息。
4.一种滑坡识别预测基座模型的训练装置，其特征在于，设置于第二设备端，包括：
5.根据权利要求4所述的装置，其特征在于，所述模型参数获取单元被进...
【技术特征摘要】
1.一种单模态滑坡识别预测模型的训练装置，其特征在于，设置于第一设备端，包括：
2.根据权利要求1所述的装置，其特征在于，所述单模态滑坡数据包括以下任一项：
3.根据权利要求2所述的装置，其特征在于，所述单模态滑坡数据中还包含有：低于预设精度的地理位置信息，对应的，所述滑坡结果数据中还包含有：不低于所述预设精度的地理位置信息，所述地理位置信息包括：经度信息、纬度信息和高程信息。
4.一种滑坡识别预测基座模型的训练装置，其特征在于，设置于第二设备端，包括：
5.根据权利要...
【专利技术属性】
技术研发人员：唐小川，闫晓闯，范宣梅，任绪清，钟豪，多滨，李红军，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。