本发明公开了一种基于深度学习的纳米薄膜材料原位显微图像表征方法，包括:实时获取原位显微平台下纳米薄膜材料的生长视频数据并同步进行画面校正处理；使用swin‑TRANSEM神经网络加载预训练权重，对校正后的生长视频图像进行识别，生成识别框；根据识别框的大小确定晶畴早期生长帧位并获取晶畴生长的中心位置信息；使用改进的图像分割算法提取单个晶畴离散化的边缘信息；结合晶畴生长的中心位置信息和晶畴离散化的边缘信息，计算各个边缘代表点在坐标轴方向上的梯度并取模得到以每个方向上的生长速度信息；绘制生长热图，建立生长模型。本发明能够显著提升纳米薄膜材料生长分析的效率和精确度。

 本发明涉及一种基于金字塔视觉Transformer的息肉图像分割方法，属于数字医疗技术领域。该方法包括:通过金字塔视觉Transformer模块捕获全局上下文信息，从多个提取阶段获得不同分辨率的特征图；通过循环交叉注意力模块从第一阶段的浅层特征图中提取细节信息，得到浅层特征；通过多尺度特征融合感知模块对多阶段提取的特征图进行融合处理，提取得到深层特征，并将深层特征和浅层特征进行融合后用于图像分割；设计加权二进制交叉熵损失和加权IoU损失对前述过程进行训练，训练完成后用于分割息肉图像。本发明通过金字塔视觉Transformer模块、循环交叉注意力模块和多尺度特征融合感知模块，显著提升了全局信息学习能力、细节信息捕捉能力和分割性能。

 本发明涉及低秩张量恢复技术领域，尤其涉及一种基于加权张量管状核范数部分和的低秩张量恢复方法、设备及存储介质。通过引入加权部分奇异值阈值WPSVT，在张量的奇异值中分配不同权重，形成更加精确的低秩张量恢复模型。具体而言，首先定义加权张量管状核范数部分和WPSTNN模型，忽略张量片的前r个奇异值，为剩余奇异值分配递减的权重；随后将最小化问题转化为加权截断核范数形式，并使用交替方向乘子法ADMM进行分步求解。该方法在图像补全、图像去噪和视频分离等任务中展现出卓越的恢复效果，在数据不完整或存在噪声时依然能实现较高的峰值信噪比PSNR和结构相似指数SSIM，从而显著提升数据恢复精度。

 本发明提出了一种通用可控的基于空间感知的辐射场增强方法，包括:步骤1，获取训练数据；步骤2，根据训练数据生成光线与采样点；步骤3，构建神经辐射场混合模型；步骤4，将采样点的坐标和所述光线的方向输入步骤3中构建的所述神经辐射场混合模型中，计算每个采样点的体密度与颜色；步骤5，计算每条光线对应的像素的RGB颜色值；步骤6，根据每个采样点的体密度与颜色，以及每条光线对应的RGB颜色值，训练步骤3中构建的所述神经辐射场混合模型，得到训练好的神经辐射场混合模型；步骤7，使用训练好的神经辐射场混合模型，根据新视角的相机位姿，渲染该视角下的二维图片，完成通用可控的基于空间感知的辐射场增强。

 本发明提出了一种基于卷积高斯过程的可信少样本图像分类方法，属于图像识别技术领域，包括:构建用于少样本图像分类的神经网络模型；构建模型训练过程中每次迭代使用的支持集和查询集；计算支持集图像和查询集图像的局部特征；将局部特征输入到注意力机制模块中，计算出各自的权重向量，将核函数与权重向量相结合，得到具有语义指导能力的核函数；将局部特征输入到使用语义指导核函数的卷积高斯过程模块中，计算出支持图像和查询图像的相似度以及预测结果的可信度；将卷积高斯过程的预测结果输入到具有不确定性感知能力的分类器中，得到可信的分类预测结果；本发明实现了能够充分考虑预测结果不确定性的高可信图像分类。

 本发明公开了一种河口滨海湿地多源陆海环境信息集成方法，包括:步骤1：获取河口滨海湿地的多数据源遥感影像数据、海图数据、生态数据和气候数据；步骤2：利用河口滨海湿地的多数据源遥感影像数据和海图数据，计算得到河口滨海湿地的土地利用状况、植被覆盖动态变化特征以及其叶面光谱特征；步骤3：采用大数据技术，将生态数据、气候数据、土地利用状况、植被覆盖动态变化特征以及其叶面光谱特征进行融合，得到河口滨海湿地多源陆海环境信息。

本发明公开了一种目标数据的确定方法及装置、存储介质及电子装置，其中，上述方法包括:获取待分析数据，并根据待分析数据确定目标对象在多个时刻的位置信息；在确定目标对象在第一时刻位于第一位置的情况下，根据预设的第一阈值以及轨迹预测模型确定所在目标对象在第二时刻位于第二位置的目标状态，其中，第一时刻早于第二时刻；在目标状态为异常状态的情况下，基于预设的第二阈值以及轨迹预测模型确定第二时刻的多个目标位置信息；根据多个目标位置信息确定待分析数据中的目标区域，并根据训练好的分类模型确定目标区域中的目标数据。采用上述技术方案，解决了传统的检测算法不能从数据检测精度低的问题。

本发明公开了一种人脸静默活体检测方法、装置、可读存储介质及设备，属于人脸识别领域。该方法获取待检测人脸图像并进行预处理；将预处理后的人脸图像输入预先训练的多级联网络，判断人脸图像是否为活体；其中，多级联网络包括前后级联的多级神经网络，每级神经网络用于一个假体攻击类型的活体判断，当当前级神经网络判断为活体时进入下一级神经网络，当任一级神经网络判断为假体时则判断人脸图像为假体，当最后一级神经网络判断为活体时则判断人脸图像为活体。本发明采用深度学习的方法，使用多个浅层网络级联的方式进行人脸静默活体检测，提高了活体检测的准确率和效率，大幅提升算法的稳定性。

本申请提供一种体征信息识别方法、系统和电子设备，该方法的一具体实施方式包括:获取待识别图像；所述待识别图像中包括体征信息；通过信息识别模型的图像特征提取模块提取所述待识别图像中表征生理指标区域的图像特征，得到目标特征图；以及通过所述信息识别模型的信息识别模块在所述目标特征图中识别所述体征信息。该方法可以提高获取体征信息的准确性以及时效性。

本发明公开了一种基于动态卷积金字塔的遥感图像实例分割方法及模型，属于遥感图像处理技术领域，其方法包括以下步骤:构建基于动态卷积金字塔模块的遥感图像实例分割模型，所述遥感图像实例分割模型包括依次连接的特征提取网络、特征融合网络、以及基于动态卷积金字塔模块的检测头；对所述遥感图像实例分割模型进行训练；利用训练好的遥感图像实例分割模型对待测遥感图像进行实例分割。通过上述方法和模型，本发明能够在不同尺度下更有效地提取特征，解决了遥感图像实例分割模型中的目标掩码区域定位精度不足的问题。