本技术涉及图像处理技术领域，具体涉及一种基于多模态双向融合的运动图像去模糊方法，包括:先获取运动模糊图像的多模态数据信息，再基于事件流信息获取与图像信息兼容的、三维体素格式的预处理后的事件流信息；将图像信息和预处理后的事件流信息进行多模态双向融合处理，得到运动模糊图像的融合特征；将融合特征作为输入，通过残差连接模块进行残差连接逐步学习并生成残差序列；基于残差序列，通过基于事件的双重积分物理模型获得去模糊之后的运动清晰图像。本发明通过从浅到深的双向融合策略，不仅推动了运动图像去模糊的发展，还为多模态数据融合提供了新的思路和方法，也为自动驾驶、目标检测等其它任务的高效应用提供了技术支撑。

 本技术公开了一种基于大规模预训练模型的跨模态行人搜索的实现方法，涉及计算机视觉、自然语言处理和机器学习技术领域。首先对某个跨模态行人搜索数据集按比例将其中的图像划分为训练数据集和验证数据集，并将训练数据集和验证数据集中的行人图像属性分别按照自定义的句子模板进行填充，得到对应的两个文本。将训练数据集的文本数据中的属性进行随机掩码，得到掩码文本。然后基于大规模预训练模型构建跨模态行人搜索算法，将训练数据集的图像、文本和掩码文本导入跨模态行人搜索算法中，通过训练迭代生成跨模态行人搜索算法模型。最后通过测试数据集合测试训练好的跨模态行人搜索算法模型的搜索准确率。

 本技术涉及一种密集小目标的机器视觉特征存留与识别方法及系统，该方法将获取到的包含密集小目标的原始图像输入改进的AMF‑YOLOv8模型中输出密集小目标结果图像；并通过模型改进实现机器视觉特征存留；所述的密集小目标结果图像包括各个小目标的预测框、类别信息和置信度；所述的改进的AMF‑YOLOv8模型以YOLOv8n为基准模型，包括主干网络、CS‑PANet颈部网络和Detect层；所述的系统用于实现上述方法。与现有技术相比，本发明优化了YOLOv8的不足使其在针对密集小目标的识别中更高效和准确。

 本技术涉及图像处理技术领域，具体公开了一种图像识别方法、装置、设备、介质及计算机程序产品，通过采用多分辨率图像样本训练视觉感知模型，并在迭代训练中通过分辨率两两之间的相似度系数计算多分辨率梯度正则项以调整不同分辨率图像特征的梯度数据间的关系，使视觉感知模型理解梯度下降方向差异较大的多种分辨率之间的差异以及理解梯度下降方向差异较小的多种分辨率之间的相似性，利用根据视觉感知损失值和多分辨率梯度正则项计算得到的模型学习损失值更新视觉感知模型的模型参数，解决视觉感知模型学习多种分辨率图像的感知能力时不同分辨率带来的图像特征不同、梯度数据间存在干扰导致模型优化难的问题，提高计算机视觉的分辨率泛化能力。

 本技术涉及图像处理技术领域，具体公开了一种目标识别方法、装置、设备、介质及计算机程序产品，通过在视觉感知模型中添加用于对输入的图像特征进行尺寸调整的多分辨率泛化层，在利用多种分辨率图像样本训练视觉感知模型时，利用自监督损失的方式更新多分辨率泛化层的参数后，再将分辨率的图像样本输入视觉感知模型并计算得到感知损失值；利用各分辨率对应的感知损失值更新视觉感知模型的参数，由此进行迭代训练得到训练后的视觉感知模型，降低了不同分辨率图像样本的数据分布差异带来的优化难度，从而提升了视觉感知模型处理不同分辨率的输入图像的分辨率泛化能力，进而提升了目标识别任务适应不同分辨率的输入图像的分辨率泛化能力。

 本技术公开了一种代价地图生成方法、设备、介质、产品及无人驾驶车辆，应用于自动驾驶技术领域。其中，方法包括基于栅格化处理且栅格设置空间体素的待检测行驶区域构建空白三维代价地图。通过对待检测行驶区域的图像数据和点云数据进行目标识别得到第一类障碍物的三维空间数据；基于目标视角下的图像数据和点云数据的融合特征，根据车辆前行过程中不断获取的各帧点云数据对应的栅格新高程信息更新当前时刻的空间体素权重，并基于更新后的空间体素权重确定第二类障碍物的三维形貌信息。将三维空间数据和三维形貌信息填充至空白三维代价地图生成三维代价地图。本发明可以解决相关技术无法精准规避障碍物，提升代价地图的丰富性，提升车辆避障能力。

 本技术涉及一种基于熵权法和装箱算法的Modbus RTU跨TSN调度方法，属于数据交换网络领域。该方法首先将Modbus RTU数据帧转化为Modbus TCP数据帧，并根据数据类型和端到端时延要求划分数据帧优先级。随后，采用模糊层次分析法和熵权法选取合适的路径进行调度，将端到端时延、带宽和传输周期等因素作为路径选择的依据。最后，利用二维装箱算法进行异构网络的调度计算，生成调度表并指导数据流的传输。本发明有效提高了工业异构网络的数据传输效率和资源利用率，并降低了数据传输的延迟，为工业发展提供了技术支持。

 一种基于状态引导以及种子变异的网络协议模糊测试方法和装置，其方法包括:1)根据官方RFC协议文档，手动构建高质量基础种子，并将种子与对应状态形成映射；2)将消息序列输入到目标程序进行模糊测试，与目标程序进行交互同时监测程序状态，并获取反馈；3)根据协议状态码以及路径覆盖率反馈，选取覆盖率高的种子进行信息保留变异，保留种子的状态转换功能，以减少无效种子的数量；4)状态引导消息序列生成：根据当前状态以及返回协议状态码，选取目标测试状态，优先选取未到达过或到达次数少的状态作为目标，然后根据基础种子生成能够到达或接近目标状态的消息序列。本技术提出的方法充分利用了协议的状态信息，并在种子变异过程中保留了种子的状态转换能力，通过状态引导以及针对性地消息序列生成，提高了网络协议模糊测试的效率以及质量。

 本文提供了基于纹理特征分析的接触式仪器三维轮廓缺陷检测方法，涉及图像处理技术领域，包括:按照图像与三维轮廓坐标的映射关系进行拟合，构建三维轮廓的图像分布坐标；通过滤波器组分别对三维轮廓的分布图像进行纹理识别，获得纹理特征及其分布坐标；根据纹理特征进行缺陷区域识别分离，获取缺陷识别区域，按照分布坐标对缺陷识别区域进行缺陷影响性评估，反馈缺陷检测结果。通过本申请可以解决传统缺陷检测方法对于表面纹理的精确提取和分析能力较弱，同时难以在复杂的三维表面上精确定位缺陷，导致缺陷检测结果的精准性、全面性和有效性不足的技术问题，可以达到精准定位缺陷区域，同时对缺陷影响程度进行有效评估的技术效果。

 本技术实施例提供的细胞图像配准方法，包括:对第一明场细胞图像背景和目标亮度取反得到第二明场细胞图像，将第一荧光细胞图像作为第二荧光细胞图像；对第二明场细胞图像和第二荧光细胞图像中目标覆盖的像素数量多的一者进行腐蚀处理，得到第三明场细胞图像和第三荧光细胞图像；根据相位相关法、第三明场细胞图像和第三荧光细胞图像对第一明场细胞图像和第一荧光细胞图像进行配准。本发明实施例首先使得明场细胞图像、荧光细胞图像中背景和目标的相对亮度的方向相同，然后对明场细胞图像和荧光细胞图像中的一者进行腐蚀处理，经过该两步预处理后再采用相位相关法进行配准，明场细胞图像和荧光细胞图像中对应的目标质心对齐，配准更准确、稳定。