本技术公开了一种基于多模态融合的医学超声影像质控系统，包括:数据预处理模块用于实时采集来自不同人群的不同模态的医学超声影像数据并进行预处理；动态自适应融合模块用于根据实时获取的医学超声影像数据动态调整融合策略，并引入自适应机制动态调整不同模态数据的权重；影像增强模块利用增强现实技术，将医学超声影像数据与人体的三维解剖结构相结合，生成直观、立体的诊断影像；可视化模块采用动态影像展示方式，实时呈现诊断影像的变化过程；通过集成数据预处理、动态自适应融合、影像增强和可视化等模块，构建了一个完整的医学超声影像质控系统，该系统能够自动化地处理和分析医学超声影像数据，提高了质控的效率和准确性。

 医学图像数据集中的标签往往存在噪声或错误标注，极大地影响了深度神经网络(DNNs)在医学图像分析中的性能。为了解决这一问题，本文提出了一种新颖的框架——协助标签校正网络(Co‑assistant Networks for Label Correction,CNLC)，用于同时检测和校正被破坏的标签。该框架由两个核心模块组成:噪声检测模块和噪声清理模块。噪声检测模块利用卷积神经网络(CNN)预测样本标签，并通过抗噪损失函数划分样本为干净、不确定和被破坏三类。噪声清理模块则基于图卷积网络(GCN)模型，对不确定和被破坏的样本标签进行修正，同时保持样本之间的局部拓扑关系。为了优化这两个模块的协作效果，本文设计了一种双层优化算法，使得标签检测和修正过程交替进行，最终提高了模型的鲁棒性和标签校正的准确性。在三个广泛使用的医学图像数据集上的实验结果表明，CNLC框架在处理标签噪声问题上显著优于当前的先进方法。

 本技术提供了一种基于机器视觉的熔池行为可视化方法及系统，包括:步骤S1：通过同步辐射成像获取熔池内部的动态图像数据，通过高速相机摄像获取熔池表面的动态图像数据；步骤S2：利用预处理的动态图像数据对YOLOv5模型进行训练和测试，生成用于检测熔池内钨粒子的权重文件；步骤S3：将熔池内部的动态图像数据和熔池表面的动态图像数据输入训练好的YOLOv5模型，实时跟踪响应钨粒子的运动，获得钨粒子运动轨迹的可视化图像。本发明通过引入钨粒子作为示踪物，结合同步辐射成像技术和高速相机，能够实现对熔池内部和表面流动行为的多层次精确观测。该系统利用机器视觉技术与深度学习模型，自动检测和追踪钨粒子运动轨迹，显著提高了观测的准确性和效率。

 本技术涉及软件无线电传输技术领域，公开了一种基于迁移深度学习的USRP调制信号识别方法，无线信号通过发射端进行传输，USRP接收端在接收到信号后，通过信号采集程序，将信号接收存储，为调制信号识别的CNN模型提供需要的信号训练集和信号测试集，其中所述信号训练集包括预训练数据集和迁移学习训练数据集；通过生成的预训练数据集，对针对调制信号识别的卷积神经网络模型进行预训练；通过生成的迁移学习训练数据集，针对调制信号识别的卷积神经网络模型进行预训练；将训练好的迁移学习卷积神经网络模型部署到信号测试集，对调制信号识别结果进行验证；本发明解决无线通信中调制信号识别问题。

 本技术公开了一种基于图像处理技术的货车悬浮轴提升状态检测方法，主要包含以下步骤:先获取货车车侧图像，利用深度学习方法检测轮胎并获取车轴轴心和车轴数；对于两轴及以上的货车，根据车头位置将车轴轴心按照横坐标进行排序；依据从车头开始相邻轴心连线的角度关系判定各中间轴的悬浮状态，再判定货车最后一根轴即末轴的悬浮状态；最后统计处于悬浮状态的车轴数和车轴序号并给出车轴悬浮状态信息。本发明能够在不需要人工干预的情况下自动检测货车的悬浮轴状态，能够有效识别出货车是否存在提升状态的悬浮轴并即时进行统计，有效解决了传统技术难以检测悬浮轴的不足，从而防止因悬浮轴提升造成的货车司机在收费站恶意逃漏费行为发生。

 本技术公开了基于对比‑生成式预训练模型的遥感问答系统，首先搜集分类、语义分割、目标检测、图文检索和图像文本生成等任务的遥感图像作为原始数据，并统一转换为图文对形式。通过分割处理计算类别面积占比，检测目标类别及其位置信息，并通过CLIP模型进行零样本分类。接着，将多源信息输入多模态大语言模型，根据问题生成图像的文本描述，完成遥感全局视觉问答数据集的构造。同时，基于标注框裁切图片并送入多模态大语言模型，以获得遥感局部视觉问答数据集。然后，分由粗到精两阶段预训练对比‑生成式模型，使其具备全局‑局部级遥感知识与视觉问答能力。最后通过构建用户友好的系统界面，实现与用户的问答交互。

 本技术公开了一种人机共融环境下异构传感信息融合与点云配准的系统与方法，针对深度相机与激光雷达两者之间的点云稠密程度不同、范围尺度存在明显差异，点云排列规律完全不同，传感信息融合面临挑战的问题，通过滑动球点云粗定位、基于重合比例的改进FPFH算法进行粗配准，以及基于对应点生成的改进ICP算法进行精配准，解决了点云范围尺度差异和疏密差异问题，实现了在人机共融环境下，深度相机与激光雷达之间的传感信息准确融合与点云配准，同时也能应对室内环境下尤其是机器人非平面特征的情况，满足了人机共融安全检测对多源传感信息融合的要求。

本文实施例提供了一种人体信息展示方法、装置、设备及计算机可读存储介质，该人体信息展示方法，包括:在显示有三维人体模型的显示界面上，显示至少一条围绕三维人体模型的曲线，曲线上设置有若干人体信息标签；获取到针对一个人体信息标签的触发指令，在显示界面突出显示与人体信息标签对应的人体信息或三维人体模型的至少局部模型。本申请通过在显示界面上显示三维人体模型，并且能够在围绕三维人体模型的区域设置具有若干人体信息标签的曲线，通过针对人体信息标签的触发指令，使得显示界面显示与人体信息标签对应的人体信息，能够方便用户根据自身个性化需求，快速便捷地查看人体信息，增强用户的使用沉浸感。

本技术提供了一种联合流形约束和FB‑GAN的人脸变形方法和系统，通过使用生成对抗神经网络设计出端到端的人脸图像拼接对抗网络FB‑GAN，实现了在人脸变形过程中生成高分辨率的人脸图像的功能。本发明通过人脸变形算法生成高分辨率的人脸图像，解决了传统变形中人脸嘴巴从闭合到张开所导致的嘴巴“扭曲”或“空洞”问题。本发明解决了人脸拼接问题中的颜色差异较大而导致的拼接效果较差的问题，提高了人脸生成图像的真实性。

一种高精度地图中车道线的确定方法，包括:获取车辆行驶环境的环境图像和三维点云(S1)；在环境图像中确定车道线区域(S2)；将三维点云中的点向环境图像投影，确定位于车道线区域内的目标点(S3)；拟合目标点以确定车道线(S4)。由此，可以结合环境图像和三维点云，确定三维点云中位于车道线区域中的目标点，进而通过拟合目标点确定车道线。而三维点云可以作为高精度地图，并且确定车道线的过程在很大程度上无需人工参与，因此有利于半自动甚至全自动地在高精度地图中确定车道线，在面对大量车道线的重复确定操作时，可以高速高效地完成，提高确定车道线的精度。