摘要：本发明属于计算机视觉和模式识别技术领域，公开了一种基于特征编码器分类和定位串行的视频动作检测方法，准确地实现了对视频中动作实例的定位和分类；方法的具体步骤如下（1）视频预处理；（2）基于特征编码器分类和定位串行的视频动作检测方法的网络模型搭建；（3）基于特征编码器分类和定位串行的视频动作检测方法的目标函数构建；（4）基于特征编码器分类和定位串行的视频动作检测方法；本发明基于已知数据集对视频中的动作实例进行高效定位和分类，并且方法收敛速度快。

摘要：本发明属于目标检测与识别技术领域，本发明提供了一种面向公共安全视频的全局感知小目标智能检测方法，包括以下步骤图像线下预处理，样本平衡数据增强；构建模型网络结构；构建模型损失函数在分类损失和置信度损失采用交叉熵损失，在回归损失中对于原有的回归损失基础上加入角点距离损失；使用SC非极大值抑制方法保留有效检测框；输入待检测图像检验本方法模型有效性。本发明利用全局信息提高检测小目标物体的准确率和召回率，通过多重非极大值抑制保留有效锚框，解决了目前基于锚框目标检测中小目标物体难以检测，锚框难以匹配等诸多问题。

摘要：一种基于等价谐振嵌入的音圈式执行器周期负载波动抑制方法，通过嵌入往复运动的等价谐振项，可实现对周期性扰动的灵敏追踪与精确补偿。无需额外获得负载参数，且采用在线估计的方法，更适合于快刀伺服、疲劳测试与机械臂末端执行器等负载工况变化较大的应用场景。

摘要：一种基于多任务MTEF‑NET的心电分类方法，通过设置两个任务来构建多任务神经网络，利用多任务的联合学习方式，并行提高每一个任务的性能，进而提高整个心电信号分类的准确率。通过给不同的任务分配不同的权重比例，使模型具有平衡数据样本差异的能力，能够解决数据不平衡问题。建立的MTEF‑NET网络模型具有复杂网络的量化调整能力，通过对网络深度，宽度和输入图片分辨率的综合调整，使神经网络只需要较少的网络参数，减轻了模型性的复杂度，同时也能够提高分类的准确率。通过构建CBAM‑MBCov模块，能够解决心电信号转换成二维图像之后所丢失的通道和空间特征消失的问题。

摘要：一种基于Transformer的deepfake生成方法，通过将预处理得到的源身份人脸和目标身份人脸图片，放入基于Swin Transformer为主干网络的编码器，得到图片中的人脸整体编码特征，再将编码特征进行特征向量嵌入得到最终编码向量，再放入基于注意力的解码器生成特定的身份图片之前，将编码向量进行嵌出。之后嵌出向量通过基于注意力的解码器即可生成特定身份的高分辨图片。之后为了提升图片生成质量，使用图片块判别器进行更加大的区域感知。最后再利用人脸转化中的人脸扭曲和插值模块、肤色校正模块和人脸融合拼接模块生成最终的人脸交换结果。本专利不仅加强了编码和解码过程中人脸表情和身份信息的控制而且最终得到高分辨图片人脸交换的结果。

摘要：一种基于知识蒸馏与transformer的假视频检测方法，通过对一个视频帧的脸图像提取多样的局部特征与全局特征，并利用多头注意力缩放技术提取多样的全局特征，并利用空间注意力缩放技术进行多样的全局特征精炼，最后送入分类器进行检测Deepfake视频的方法。由于空间注意力缩放技术的引入，检测到的deepfake的准确度明显优于其他方法。

摘要：一种基于注意图卷积神经网络的多行为推荐方法，利用多通道图卷积神经网络模块为每一种行为设计一种特征表达来解决多种行为下多种嵌入表达的问题；采用行为特制注意力机制模块来捕获不同行为的重要程度；最终通过多任务学习框架对用户偏好建模，提升了模型的推荐效果，并可以通过对用户的偏好建模进行推荐。

摘要：本发明公开了基于多特征协同和语义感知的遮挡行人重识别和检索方法，属于计算机视觉和模式识别技术领域，实现了对有遮挡的行人重识别数据集的高效识别和检索；方法的具体步骤如下图像预处理；双链网络模型搭建；双链网络的目标函数构建；基于多特征协同和人体语义感知的有遮挡行人重识别和检索方法；本发明可对现有公开有遮挡的行人重识别数据集进行高效识别和检索，能够有效地解决目标数据集由于遮挡、姿态变化造成的行人信息缺失、特征对齐困难等问题，并且方法收敛速度快。

摘要：本发明提供一种基于多模态时间感知和注意力的视频交互动作检测方法，属于计算机视觉技术领域，通过将全局时序信息与多尺度的局部时序信息进行聚合，并将聚合后的特征进行金字塔池化，获取多个尺度的金字塔特征，然后利用金字塔特征进行高效地动作定位。本发明达到了减少模型参数，提高模型的鲁棒性的技术效果，体现了本发明所提供的基于多模态时间感知和注意力的视频交互动作检测方法在时序动作定位方面的监测精度优越性。

摘要：本发明公开了基于多层次残差网络感知和注意力机制的小目标检测方法，Baseline采用单阶段检测器YOLOv5；方法的具体步骤如下（1）构建虚拟训练样本，扩充训练数据集的规模，提升模型整体性能；（2）使用多层残差卷积提取图像多维度特征；（3）注意力机制增强浅层特征图；（4）特征金字塔连接浅层特征图；（5）利用损失函数优化模型预测目标位置信息和类别信息以及置信度；（6）P2检测层配合Lufl与VIoU Loss预测小目标。本发明发明了选择性样本增强扩充了数据集，平衡样本之间的差异，充分利用浅层特征图，显著提高小目标检测的召回率和准确率。

摘要：本发明提供一种基于多模态智能感知和融合的换衣行人重识别和检索方法、系统、电子设备及存储介质，属于计算机视觉技术领域，通过对原始的行人图像进行像素采样，并根据人体解析图对所获取的像素进行修改获得换衣后的行人图像；然后分别对原始的行人图像和换衣后的行人图像进行2D特征提取，对点云数据进行3D特征提取；最后根据提取的特征进行行人身份识别。最终达到了高效、精准地行人换衣重识别的技术效果。

摘要：本发明公开基于多层次化感知的社交网络图像复制移动伪造检测方法，该发明具体包含以下步骤（1）自相关匹配分支对整张图像生成自相关得分图，（2）参考自相关得分图生成可疑图像块，（3）成对可疑图像块的关键点匹配，（4）融合两种得分图和损失函数约束网络训练。本发明先利用自相关匹配寻找整张伪造图像的可疑区域，然后使用关键点匹配淡化误警告区域和激活遗漏区域，使得匹配结果更加精准。本发明提出的关键点匹配分支，能解决现有的算法无法在平滑的伪造区域生成高质量的关键点匹配的问题。本方法生成最终预测掩码时，不仅考虑了自相关匹配的结果，也考虑了点匹配的结果，这种基于多层次感知的检测方法能生成更加精确的预测结果图。

摘要：本发明公开了一种基于多尺度特征智能感知的社交网络的图像篡改定位方法，实现了基于对所有的图像篡改定位数据集的高效篡改定位；方法的具体步骤如下对篡改图像预处理，提取边缘Groundtrhth图像，利用由sobel算子引导提取边缘特征然后采用多尺度边缘导向的注意力机制，在边缘伪影不一致的基础上挖掘篡改的粗略定位信息；构建多尺度上下文感知融合模块，利用此模块在不同的由边缘监督的尺度上进行局部和全局的搜寻，突出篡改和非篡改之间的差异；进行篡改信息的融合，输出的特征图通过样本不平衡损失来实现篡改区域的定位。本发明基于已知数据集可对其他数据集进行高效的篡改定位，能够有效地在不同篡改数据集上获得改善，并且获得极高的精度。

摘要：一种改进的基于小波域稀疏特性的心电信号去噪方法，通过对所有不同尺度的小波系数进行优化计算，避免了小波阈值去噪过程中将较小的小波系数舍弃的问题，从而，能够更好地保留心电信号的细节特征。能够提高降噪后心电信号的组稀疏特性，并减轻基于全变分方法求解过程中出现的阶梯伪影，保持了原始心电信号的波形特征。充分利用了心电信号在时域和频域的组稀疏特性，且该方法不仅适用于非重叠的组稀疏信号，当信号相邻分组出现重叠时，优化变量之间是相互耦合的，该方法仍然适用。通过选取参数化的非凸惩罚函数，并限定正则化参数的区间，保证了总代价函数的严格凸性，且该优化算法计算效率高、收敛速度快。

摘要：本发明提供一种基于语义感知注意力和视觉屏蔽的换衣行人重识别方法、系统、电子设备及存储介质，属于计算机视觉技术领域，根据人体语义分割信息分别定位人体和服装区域。通过人体语义注意力网络获得前景增强的特征表示，以突出前景信息并为原始特征图重新赋权重。通过衣物视觉外观屏蔽网络获得原始特征和视觉屏蔽特征表示。本发明通过人体语义注意力网络，可以尽可能地减少背景信息的负面影响，并获得更多的辨别性特征。通过衣物视觉外观屏蔽网络，将换衣行人重识别模型集中在与衣服无关的视觉语义信息上为行人提取更稳健的特征表示。本发明具备科学性、系统性和鲁棒性的技术效果。

摘要：本发明方法公开了基于锚自由和长时注意力感知的视频交互动作检测方法，属于计算机视觉和模式识别技术领域，实现了对长视频中动作部分的高效定位以及动作识别。方法的具体步骤如下视频特征提取；搭建基于锚自由和长时注意力感知的视频交互双流网络模型；构建基于锚自由和长时注意力感知的视频交互动作检测方法的目标函数；基于锚自由和长时注意力感知的视频交互动作检测方法。本发明基于已知数据集训练后可对长视频的动作进行有效定位并进行动作识别，有效地解决了传统动作分类方法无法在长视频中进行有效分类的问题，并且提升收敛速度，提升了工作效率。

摘要：本发明公开了一种基于全局知识挖掘和前景注意力的交互视频动作检测方法，准确地实现了对视频中动作实例的定位和分类；方法的具体步骤如下对视频进行预处理，通过I3D网络将生成的视频帧获得时空特征序列，将特征序列输入到上下文信息提取模块提取不同层次的特征序列F，通过时间信息提取模块挖掘视频的全局信息，将特征序列F和特征序列连接起来，得到粗时间边界和粗分类，根据不同层次的特征结合损失函数利用前景信息增强模块得到精细化特征；本发明基于已知数据集对视频中的动作实例进行高效定位和分类，并且方法收敛速度快。

摘要：一种基于多行为的级联残差图卷积网络的个性化推荐方法，利用多行为数据缓解了目标行为数据稀疏性问题，并从向量表达层面探索了不同行为之间的联系，从而不断对用户偏好进行细化，到达提升推荐性能的目的；我们设计了一个级联残差图卷积网络(GCN)结构，它使我们的模型能够通过不断细化不同类型行为之间的用户嵌入来学习用户偏好。采用多任务学习方法对不同行为进行联合优化模型。同时模型采用了轻量级的设计，具有更少的参数，与更高的计算效率。

摘要：一种基于深度领域自适应的多目标域心电信号分类方法，不需要两个域之间进行特征对齐，侧重于目标域的类别准确率和多样性的预测方法，提高了模型在多目标域上的泛化能力，而且收敛速度快，解决了单一目标域适应算法在多目标域上效果不佳的问题。另外，引入可变形卷积核在模型训练过程中可以自觉调整卷积的感受野，更好的适应多导联心电信号的导联特征。

摘要：一种基于关节点序列的实时人体动作识别方法，利用深度相机、二维人体姿态检测模型，较容易的获取人体动作序列数据集，输入到人体动作识别网络中，可以实时的判断被测试者展示的动作，且不限制被测试者的自由。本发明的人体动作网络模型可以很好的利用图像帧之间的姿态特征，较好的捕捉被测试者动作的空间特征和时空特征。同时，对人体动作序列数据的预处理方法可以显著地去除相邻帧之间的冗余姿态信息，有效减少人体姿态识别网络的开销。