本技术公开了一种基于动态任务对齐的海上小目标检测方法及系统，涉及图像检测技术领域，获取初始特征图，对yolov8检测模型的卷积通道基于卷积核进行切割分组，获取特征提取单元；通过特征提取单元对初始特征图进行处理得到深层特征图，利用共享卷积提取深层特征图的深层特征，将深层特征与初始特征图相结合得到联合特征；将联合特征送入任务对齐检测头中获取分类预测图以及回归预测图；并进行预测框对齐操作，基于分类预测图获取初始特征图的落水目标类型，基于回归预测图获取初始特征图的落水目标位置。本发明通过检测头在海上搜救，基于采集到的海面图像，快速定位落水目标或船只，提高了对于海上小目标物体的检测精度以及检测速度。

 本技术公开了静脉识别模型的训练方法及装置，涉及静脉识别技术领域，采集的预设角度范围被精确设定为0度到90度，并通过准静脉识别设备保证在不同角度下的图像分辨率和光照条件一致。确保了每个角度下采集的静脉图像具有一致的质量，减少了由于光照变化或设备分辨率不一致导致的图像噪声和特征丢失问题，从而提升了图像的清晰度和稳定性，使用高斯滤波去噪算法对采集到的静脉图像进行处理，去除因设备或外部环境引入的噪声。高斯滤波可以平滑图像，该方法有效降低了图像噪声，提升了图像的质量，通过多角度采集和一致的光照条件，减少了图像采集过程中的不稳定性，使得采集到的图像在不同角度下保持了较高的一致性。

 本技术公开了基于多尺度哈希自适应的非匹配图像超分辨率重建方法，首先获取低分辨率LR图像，将LR图像上采样至高分辨率，与高分辨率的参考图像Ref图像作为训练样本；然后构建基于图像超分辨的卷积神经网络，将训练样本输入卷积神经网络进行图像多尺度的特征增强、特征分解、不同尺度LR图像与Ref图像匹配、特征提取、多尺度特征交互、特征融合，得到重建的图像；最后设计卷积神经网络的损失函数；将待超分辨重建的LR图像与高分辨率Ref图像，输入到优化的基于图像超分辨的卷积神经网络，得到超分辨重建的图像。本发明解决了现有技术中存在的对于LR和Ref匹配对应区域选择的不准确的问题。

 本技术公开了一种基于自适应位置编码和并行解码的3D视觉定位方法及系统，其中方法包括:使用文本编码器处理输入的自然语言文本，得到文本令牌和特征；使用视觉编码器处理3D点云输入，得到种子点和特征；采用交叉编码器对视觉和文本特征进行互调，更新文本特征和视觉特征；预测种子点的置信度分数并排序，选出分数最高的候选点作为查询；根据自然语言描述的语义将文本令牌分为目标物体属性令牌和周围空间环境令牌；使用双分支并行解码器，生成新的查询特征，并由框预测头生成粗预测框；将生成的查询特征投影到位置特征和对象语义特征中，用于计算损失并训练网络；使用查询特征的投影结果为粗预测框评分，取分数最高者为视觉定位结果。

 本技术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。

 本技术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。

 本技术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。

 本技术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。

 本技术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。

 本技术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。