本技术公开的属于医疗诊断技术领域，本发明公开了一种基于YOLOv8s算法的MRI腰椎矢状位病症图像诊断方法，包括以下步骤:S1，对采集到的MRI腰椎矢状位图像数据进行筛选和自组建VOC2007数据集并对数据集进行标注；S2，对现有的数据集进行数据增强等处理；S3，建立YOLOv8s深度学习神经网络检测模型；将数据集按8：1：1的比例划分为训练集、验证集和测试集，对YOLOv8s网络进行训练至收敛，获取基于YOLOv8s网络的腰椎病症图像检测模型以及权重文件；S4，利用训练后的YOLOv8s检测模型对随机抽取的患者MRI腰椎矢状位图像进行测试，输出检测结果，并评价。本发明能够实现对MRI腰椎矢状位病症的诊断，该发明大大提高了检测的精度和效率，并提高了诊断的准确率。

 本技术公开了基于语义先验和融合空间定位的变化检测方法，涉及图像处理技术领域，包括首先，在有监督的遥感提取任务上，对BPNet网络进行预训练，充分利用遥感提取任务中的先验知识；然后，对预训练后的BPNet网络进行微调，采用共享权重的孪生网络结构扩展编码器和解码器结构，并引入空间一致性注意力模块，通过结合自注意力机制和大卷积核分解技术，对双时态图像进行特征信息提取和融合，从而获取遥感影像目标变化信息。因此，采用基于语义先验和融合空间定位的变化检测方法，通过空间一致性注意力模块，有助于深度编码器扩展有效感受野，增强了长距离依赖关系的建模能力，同时能够有效捕捉双时态变化细节信息，获取更精准的特征图。

 本技术公开了一种基于边缘注意力的海洋中尺度涡分割方法，涉及语义分割领域。解决了现有模型对涡旋边缘信息提取效果不强，分割出的海洋中尺度涡的形状和位置不够准确的问题。具体包括以下步骤:(1)获取海平面异常数据SLA，对于SLA进行可视化处理生成海洋中尺度涡图像数据集并进行标注，将图像数据划分为训练集、验证集、测试集，并使用图像增强操作预处理。(2)创建网络模型，将预处理后的海洋中尺涡图像数据集输入到基于边缘注意力的海洋中尺度涡分割网络即EGA‑AFFUNet模型中进行训练，分割海洋中尺度涡图像数据集中的海洋中尺度涡旋(3)在验证集上选取出性能最优的EGA‑AFFUNet模型，在测试集上将测试结果和涡旋标签数据集对比获得评价指标。

 本技术涉及人工智能技术领域，公开了一种基于细粒度视觉‑语言模型的遥感语义分割推理加速方法，首先通过构建图像级、区域级的细粒度图文数据集，进行细粒度的图像‑文本对比学习，训练带有一个图像编码器和一个文本编码器的双塔视觉‑语言模型；将预训练得到的细粒度视觉‑语言模型权重迁移到二阶段推理加速框架中作为目标筛选器；通过细粒度视觉‑语言模型计算大尺寸遥感图像测试样本中一系列小图像块的图像特征与目标类别文本特征的相似度分数，并设置阈值筛选出存在目标类别的小图像块；将筛选后的图像块输入遥感语义分割模型中，得到最终的分割结果。该方法利用细粒度视觉‑语言模型定位大尺寸遥感图像的稀疏目标区域，高效筛选出足够多、正确的稀疏目标所在的区域，降低直接推理的时间成本从而提高推理效率。

本技术涉及智慧农村监测领域，尤其涉及一种多维数据分析的智慧农村监测系统，本发明设置飞控器，其用以控制若干搭载图像采集单元的无人机以预定路径飞行，采集若干农村区域的夜间图像；特征解析器，用以接收针对不同农村区域的夜间图像，基于夜间图像进行纹路解析；图像分析器，包括聚类单元以及增强单元:聚类单元用以基于纹理特征针对夜间识别目标的纹路掩盖干扰值以及相似度确定区域内所获取夜间图像的纹理干扰表征值，以划分纹理干扰类别；增强单元响应于聚类单元的划分结果，用以对各农村区域的夜间图像适应性地进行处理，本发明能够在保证数据可靠性的前提下，更加精准地识别烟雾特征以及时报警，避免火灾的发生，同时能够节约算力资源。

本技术涉及人工智能领域，具体是指基于人工智能的护工行为识别与干预系统，包括集成设备、数据采集与预处理模块、行为识别与分析模块、干预与响应模块、用户界面模块和安全与隐私模块，本方案提出在行为识别与分析模块中，使用COA‑CNN‑LSTM模型对预处理后的数据进行分析，识别护工和患者的行为并进行分类，COA‑CNN‑LSTM模型结合了卷积神经网络和长短期记忆网络的特性，提高了对护工和患者行为的识别准确度；在行为识别与分析模块中，使用VGG‑ICNN模型作为基础架构，构建行为识别模型，从而提高了行为模式的特征表示能力，更好地理解和预测护工和患者的行为，提高系统的智能化程度和服务质量。

本技术涉及图像处理领域，公开了一种图像轮廓保留的高斯模糊方法以及相关装置。该方法包括:获取待处理的目标图像；根据预置转换算法，对所述目标图像进行矩阵化处理，得到图像矩阵；根据设置的模糊半径，生成卷积核；基于预置卷积核，对所述图像矩阵进行高斯混合计算处理，生成所述卷积核中每个元素的权重；根据所述卷积核中每个元素的权重，利用所述卷积核对所述图像矩阵中进行归一化处理，生成图像归一化矩阵；基于所述图像归一化矩阵，生成所述目标图像对应的高斯模糊图像。本发明解决了现有技术的图像模糊处理中细腻度不足图像的轮廓丢失严重的技术问题。

 本技术公开一种基于SwinUnet的改进3D医学图像分割方法，基于SCConv3D和AxialAttention特征融合的改进3D医学图像分割方法，解决在医学分割领域VisionTransformer模块和卷积模块结合但提取的特征效果不佳的问题。解决下采样过程中，特征提取效果差，不适配的问题，提升在图像分割的训练速度和准确率。

 本文公开了一种全局主成分引导下的端到端锚点多视图图像聚类方法，具体涉及图像处理的领域。包括:获取各视图的子视图样本矩阵，并确定特征映射矩阵；获取全局锚点矩阵及锚点图矩阵；在锚点图矩阵中获取锚点模糊标签矩阵，并基于锚点模糊标签矩阵得到样本模糊标签矩阵；基于子视图样本矩阵、特征映射矩阵、全局锚点矩阵、锚点图矩阵、锚点模糊标签矩阵及样本模糊标签矩阵建立目标函数；重新确定特征映射矩阵，并重新通过特征映射矩阵将所有视图的子视图样本矩阵转换至统一潜在空间，直至目标函数收敛，输出最终的样本模糊标签矩阵。能实现目标函数的统一以便于模型优化习得全局最优解并提升聚类精度。

 本技术涉及基于视图交互聚合的矢量地图构建方法和系统，获取可见光图像，分别提取可见光图像在像素级坐标系和摄像机坐标系下的特征，通过异步互学习融合模块得到融合特征；融合特征通过关键点预选取模块，得到深度实例特征和几何位置特征，并作为初始参考点；以融合特征，和基于关键点预选取模块得到的关键点查询与实例查询，作为目标检测算法的输入，得到的初始参考点作为目标检测算法额外的提示特征，得到预测的矢量地图元素标签以及所在的位置；预测的矢量地图元素标签以及所在的位置形成单帧的矢量地图，将历史帧中的丰富特征信息与当前帧中的稀疏特征进行聚合，以增强当前帧的稀疏特征，进一步通过检测头得到矢量地图。