本发明公开了一种基于鲁棒离群值采样的分布外样本识别方法。该方法包括:获取分布内样本数据集，基于目标卷积神经网络对分布内样本数据集进行训练，得到训练后的目标卷积神经网络；对分布内样本数据集中的每个样本用混合度量指标进行量化，得到每个样本的混合度量指标；基于分布内样本数据集中每类样本中的每个样本的混合度量指标，构建每类样本的分布区域；对每类样本的分布区域中的每个样本的混合度量指标进行排序，获取每类样本排序最大的多个样本。本发明解决了现有技术的目标检测中当存在分布外样本时，进行目标检测的卷积神经网络不能对分布外样本进行准确识别的技术问题。

 本发明公开了基于空频域特征融合的空中红外弱小目标检测方法。该方法包括:获取若干个复杂背景下的红外弱小目标图像；将若干个复杂背景下的红外弱小目标图像按照预设比例进行划分，得到若干个复杂背景下的红外弱小目标图像的训练集和测试集；将复杂背景下的红外弱小目标图像的训练集输入至预构建的空频域特征融合的目标检测网络中，对预构建的空频域特征融合的目标检测网络进行训练，得到训练成功的空频域特征融合的目标检测网络。本发明解决了现有的卷积神经网络对复杂背景下的红外弱小目标进行检测，检测精度低，虚警与漏检率较高的技术问题。

 本申请提供一种超声图像标准切面的识别方法及装置、程序产品、电子设备、存储介质，应用于图像处理技术领域，超声图像标准切面的识别方法包括:获取第一特征数据，其中，第一特征数据基于连续的多帧待识别超声图像确定；将第一特征数据输入标准切面识别网络中，得到标准切面识别网络输出的与待识别超声图像对应的标准切面目标图像，其中，标准切面识别网络为U型网络，且标准切面识别网络的跳跃连接中包括位置关系约束。上述标准切面识别网络可以采用U型网络，且可以在上述U型网络的跳跃连接中引入位置关系约束，从而在分割过程中维持器官结构的合理性，避免分割结果出现非正常的空间关系或形状，因此可以提高超声图像标准切面识别的准确率。

 本发明公开了一种基于注意力机制的自适应微小目标检测方法，涉及计算机视觉技术领域，其中方法包括:获取数据集；构建特征增强模块；构建自适应稀疏卷积检测头；构建基于注意力机制的自适应微小目标检测模型，将特征增强模块加入主干网络中，使用自适应稀疏卷积检测头代替原始检测头；确定最终的微小目标检测模型。本发明构建自适应稀疏卷积头，通过通道注意力机制动态调整稀疏卷积在不同FPN层对应检测头的使用，有效平衡模型复杂度与检测精度，提高微小物体检测精度的同时保持计算效率；构建特征增强模块，利用全局平均池化融合全局上下文信息，增强了模型对微小物体的特征表示能力，提高了模型在复杂环境下对不同大小物体的检测性能。

 本发明公开了一种公路边坡三维可视化建模方法、装置、介质和设备，涉及三维可视化技术领域。包括:采集公路边坡的点云数据，基于点云数据获得各个点的特征向量；基于特征向量的相似性将各个点分为若干个不同的类，每个类包括若干个在地理空间位置分散的子集群；获得用于表征各子集群内点云数据混乱程度的混乱特征值和各子集群邻域内属于其他类别的子集群数量；对每个子集群设置与混乱特征值和属于其他类别的子集群数量成正比的三角网格数量；基于所设置的三角网格数量，使用三角化方法将各个子集群中点连接为无重叠的三角形网格，获得公路边坡三维模型。

 本申请实施例提供一种基于Transformer的网络安全告警降噪方法，所述方法包括:获取告警数据，其中，所述的告警数据是由安全设备实时生成的；将所述告警数据输入目标真实告警识别模型，并通过所述目标真实告警识别模型确认所述告警数据是否属于真实告警，其中，所述目标真实告警识别模型包括输入层、特征量化层、目标模型处理层以及输出层，所述特征量化层至少被配置为采用Transformer编码器对从HTTP请求和响应内容中获取的依赖关系和交互信息进行编码。本申请的实施例提供的特征化处理大大提高了模型对告警数据的理解和表示能力，使得模型在分类告警时能够更加准确地区分真实告警和误报告警，降低了误报率。

基于生成对抗网络的超声焊接质量在线监测方法，使用激光测振仪实时测量底模的振幅数据、焊接过程中的超声波频率数据；使用压力变送器采集气缸与超声焊头之间的压力，实时测量压力数据；使用红外测温仪实时采集超声换能器陶瓷片温度、超声焊头温度数据。构建多并行辅助分类器的生成对抗网络ACGAN，处理上述五组数据，并将生成器生成的数据用于数据不均衡时的数据增强；搭建融合网络GAN‑Fusion融合经过处理的数据后，搭建分类器用于识别焊接质量，焊接该质量分为过焊、欠焊、正常焊。本技术方案能够直接从实际加工数据中提取相关特征信息并建立诊断模型，有助于提高故障检测及诊断的精度及效率，最终实现超声焊接质量在线检测。

本发明公开了一种基于时序图像特征更新的人体姿态估计方法及装置，本发明首先收集并预处理视频数据。其次利用预训练的NanoDet模型进行人体目标检测，获取人体边界框信息；然后在检测到的人体边界框内执行特征提取，生成姿态特征向量，并将其细分为34个特征子结构。在此基础上，利用当前帧的特征子结构更新历史特征子结构，生成反映当前t时刻的34个综合特征子结构。最后，将综合特征子结构重新组，通过解码器以精确估计出人体的完整姿态。本发明显著提高了人体姿态估计的精度与鲁棒性，克服了现有技术中依赖单帧图像进行姿态估计的局限性。

本申请提供了一种人员行为类型的检测方法、检测装置、设备及介质，所述方法包括:针对于每个人员，基于预先构建好的概率知识图谱以及该人员的人体姿态向量进行场景解析，确定出该人员在目标时间窗口内的表现行为对应的信息量；根据该人员的信息量以及人体姿态向量确定出该人员在所述目标时间窗口内的特征向量；最后，将所述特征向量输入到预先训练好的行为分类模型中，确定出该人员在所述目标时间窗口内的行为类型。通过所述方法及装置，使用行为分类模型对特征向量进行检测，确定出人员的行为类型，提高了会议室场景下人员行为检测的效率，解决了现有技术中会议室监控成本高的问题。

本发明涉及一种用于水源地现场的图像内容鉴定系统，包括:日夜抓拍机构，用于面对水源地的水面执行俯拍动作以获得水面抓拍图像；处理分析器件，用于采用AI判断模型基于农业灌溉系统的水源地的各项现场信息、光电传感组件的分布面积、像元数量、曝光时长以及快门速度、水面抓拍图像的多份视觉内容和水面抓拍图像对应的BAYER图像的多份视觉内容智能鉴定水面抓拍图像经过的多份图像处理种类。通过本发明，能够采用针对性结构设计的AI判定模型基于筛选的各项基础数据智能鉴定水面抓拍图像对应的BAYER图像到水面抓拍图像经过的多份图像处理种类，从而为农业灌溉的水源地现场的抓拍图像的真实内容的鉴定提供有效依据。