基于改进3D GAN的敞车缺陷点云数据增强方法，包括如下步骤:（1）获取一定数量敞车孔洞和超限形变两类缺陷的点云数据，形成原始数据集；（2）点云预处理；（3）点云空间尺度归一化，形成归一化的数据集；（4）采用传统方法进行点云数据集扩增，形成扩展数据集；（5）搭建改进的3D GAN模型；（6）以扩展数据集为输入，通过改进3D GAN模型生成敞车表面孔洞和超限形变缺陷点云数据集。改进的3D GAN模型在对抗网络中引入更多的卷积层、conv_layer辅助函数和torch.squeeze函数度，实现对现有敞车缺陷点云数据集进行样本扩增和数据增强。

 本技术公开一种红外目标检测方法、装置、设备及介质，属于人工智能技术领域。其中红外目标检测方法包括:将红外图像输入至目标检测模型的编码器模块，得到编码特征图，所述目标检测模型为预先训练好的卷积神经网络模型；将所述编码特征图输入至目标检测模型的解码器模块，获取红外图像中待检测目标的掩码；其中，编码器模块包括局部对比增强单元。本发明提出的红外目标检测方法通过计算红外图像中像素点的局部对比注意力权重，引导神经网络在编码过程中强化对潜在红外小目标空间位置的关注，并利用通道注意力强化单元实现对编码特征图的不同通道间信息的有效融合，提高对红外小目标的检测精度。

本技术公开了一种目标图像的获取方法、存储介质和电子设备。其中，该方法包括:获取待识别的第一目标图像，其中，第一目标图像中包含目标对象的至少一个人像元素；在获取到对目标人像元素的目标上妆请求、且至少一个人像元素中包括目标人像元素的情况下，响应目标上妆指令，从第一目标图像中获取包含目标人像元素的第一区域图像；根据目标人像元素的目标元素类型以及目标上妆类型，从目标图像结构的至少两个子结构中确定出目标子结构；将第一区域图像作为输入图像输入至目标子结构，得到第二区域图像；根据第二区域图像以及第一目标图像获取第二目标图像。本发明解决了目标图像的获取准确性较低的技术问题。

一种遥感卫星系统，包括第一卫星(100)，第一卫星(100)包括至少四个图像传感器(131，132，133，134)，至少四个图像传感器(131，132，133，134)同时采集地面的图像，至少四个图像传感器(131，132，133，134)采集的地面区域完全重叠或者部分重叠，至少四个图像传感器(131，132，133，134)采集的图像的空间分辨率和光谱分辨率均彼此不同，第一卫星(100)对至少四个图像传感器(131，132，133，134)采集的图像的至少一部分进行图像融合以生成融合后的遥感图像。该遥感卫星系统能够利用卫星的有限资源高效地获得具有高清晰度的遥感图像。

本文实施例公开了一种关键点旋转模型的训练方法及装置、电子设备和存储介质，涉及计算机与图像处理技术领域，能够得到具备利用关键点的三维坐标确定出旋转值的关键点旋转模型。具体方案包括:获取至少一组样本数据；样本数据包括样本人物的关键点的样本坐标和样本旋转值；其中，样本坐标为样本人物的关键点在真实三维空间中的三维坐标；基于初始关键点旋转模型对样本人物的关键点的样本坐标处理，得到预测旋转值；基于预测旋转值和样本旋转值，迭代更新初始关键点旋转模型，以得到关键点旋转模型；关键点旋转模型具备基于人物的关键点的三维坐标得到人物的旋转值的功能。

本文涉及一种制作骨骼动画的方法、系统、电子装置和存储介质，通过创建骨骼动画对象，导出骨骼动画对象的LOD骨骼模型为第一LOD骨骼模型和第二LOD骨骼模型，第一LOD骨骼模型与第二LOD骨骼模型的骨骼数都为X；该第一LOD骨骼模型的第一骨骼索引为0至X‑1，第二LOD骨骼模型的第二骨骼索引为X至2X‑1，将第一LOD骨骼模型与第二LOD骨骼模型进行合并，得到第三骨骼索引为0至2X‑1；对合并模型生成一次绘制指令，其中，第三骨骼索引对应一个合并模型，使一个DrawCall画多个LOD骨骼模型，解决了OPENGLES2.0版本的设备不支持实例化技术，在渲染模型时只能一个模型、一个模型的渲染，导致画面不流畅，渲染效率低的问题，提高了渲染效率。

本文实施例提供一种目标实时跟踪方法、装置及设备，该方法包括:电子设备获取多个摄像头对应的历史轨迹数据，并根据历史轨迹数据，确定多个摄像头对应的目标拓扑关系；在第一摄像头中基于目标特征信息确定待跟踪目标，并确定待跟踪目标对应的特征信息以及位置信息；基于位置信息以及目标拓扑关系，确定第一摄像头对应的目标关联摄像头；在目标关联摄像头中，基于特征信息确定待跟踪目标的实时位置信息。这样，电子设备能够基于目标的历史轨迹数据自动确定出多个摄像头之间的目标拓扑关系，无需用户人工进行重复打标，能够节约人力资源，同时也能够提高目标跟踪的实时性，场景适用范围也更加广泛。

本公开提供了一种虚拟形象驱动方法及装置、设备、介质和程序产品，涉及人工智能技术领域，具体为增强现实、虚拟现实、计算机视觉、深度学习等领域，包括:针对虚拟形象模型中的当前骨骼节点，确定当前骨骼节点与目标骨骼节点之间的相对位置特征；根据相对位置特征，对基于当前骨骼节点的第一初始驱动系数进行调整，得到第一中间驱动系数，对基于目标骨骼节点的第二初始驱动系数进行调整，得到第二中间驱动系数；根据第一中间驱动系数和第二中间驱动系数，确定当前骨骼节点相对目标骨骼节点的第一旋转特征；根据第一旋转特征，对第一中间驱动系数进行调整，得到基于当前骨骼节点的第一目标驱动系数，以及基于第一目标驱动系数，驱动虚拟形象模型。

本文提供一种基于视频场景匹配算法的方法、装置、设备及介质，该方法包括:取当前监控视频的视频画面；提取所述视频画面中的目标，并对所述目标进行识别得到当前画面场景的目标集；获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；根据当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法，本申请通过推荐权重方式进行算法匹配，避免了繁琐的视频画面算法配置，极大减轻了工作人员的工作量，有利于视频监控根据监控画面不同实现自动预警。

本技术公开了一种3D超高清荧光医用内窥镜成像方法及装置，包括:获取并分析内窥镜实时视频流，进行去噪处理和多维度特征提取；利用多尺度形状重建方法进行初始深度估计，通过立体视差优化和条件随机场方法得到高精度深度图，重建初始三维点云；采用基于最优传输理论的变分配准方法进行精确配准，对白光和荧光图像序列进行动态重采样与融合；结合组织物理模型，对初始三维点云进行表面重建、优化和细化，利用融合图像序列进行动态纹理映射，最后进行渲染和输出。本方法实现了高质量的3D超高清荧光医用内窥镜成像。