本文公开了一种视频清晰度评估模型训练方法、设备及存储介质，在该方案中，保持经过预训练的特征提取层的参数不变，利用训练视频集仅更新初始模型中的全连接层和特征映射层，用更新后的全连接层替换初始模型中的全连接层，用更新后的特征映射层替换初始模型中的特征映射层后，从而可得到更新后的初始模型；若更新后的初始模型中的全连接层和特征映射层收敛，则利用训练视频集对整个更新后的初始模型进行训练，从而得到视频清晰度评估模型。本申请能够提取出精度更高的视频特征，因此可提高视频清晰度评估结果的准确性，从而提高了模型评估精度，且有利于模型收敛，降低了模型训练成本。

本技术公开了一种物品真伪的鉴别方法、装置、设备及存储介质，属于图像处理技术领域，包括:获取目标物品的第一图像、第二图像以及第三图像；基于第一图像识别目标物品的第一特征，获取第一鉴别区域中每个子区域的第一密度，并划分第一特征的特征类型，基于特征类型判定目标物品是否为赝品或正品；当目标物品不为赝品时，在第一图像和第三图像中分别截取第二鉴别区域和第一标准区域，获取最优匹配块，计算第一属性值和第二属性值并进行修正获得第一修正值，基于第一修正值对最优匹配块中的像素位置进行修正组成第二标准区域，计算所有的第二鉴别区域与第二标准区域像素差值的平均值，判定目标物品的真伪。通过本发明提高了物品鉴别的精确度。

本技术提供了一种基于人工智能的输电线绝缘子故障检测方法，包括如下步骤:通过无人机获取若干输电线的历史绝缘子图像，并对每个所述图像中的绝缘子的状态进行标注；对所述图像进行预处理，并将其作为训练数据集；所述预处理包括高斯模糊、高斯加噪和图像锐化；构建基于YOLO的故障检测模型，将所述训练数据集输入所述模型进行训练，并更新所述模型的超参数；将需要检测的输电线绝缘子图像输入所述训练的故障检测模型，并得到对应的绝缘子状态检测结果。本发明基于人工智能技术对绝缘子故障进行检测，有效解决了现有技术存在的绝缘子缺陷种类多的技术问题，实现了绝缘子故障的自动化检测，显著提高了绝缘子故障检测的效率和准确性。

 本技术提供了基于知识蒸馏的路面裂缝检测方法、系统及设备，方法包括:构建图像数据集，所述图像数据集包括源域的图像数据集和目标域的图像数据集；基于所述图像数据集，进行数据预处理以及数据扩充；具体包括：将目标域上的图像数据经过自适应分块增强与全局均衡预处理后，与源域的图像数据集合并后进行数据扩充，得到扩充后的图像数据集；基于所述扩充后的图像数据集，利用预训练好的教师模型对预设的学生模型进行知识蒸馏训练，将知识蒸馏后的学生模型作为路面裂缝检测模型；采用所述路面裂缝检测模型对待检测的路面图像进行裂缝检测。本发明采用基于知识蒸馏的路面裂缝检测方法，从而从根源上解决了现有的路面裂缝检测方法精确率低的问题。

 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。