本文公开了基于注意力机制的局部感知点云表示学习预训练方法及装置，涉及点云表示学习技术领域，包括:通过对三维模型表面进行点云数据采样确定预训练数据集；预训练数据集为点云形状的数据集；基于转换器模型结构及预设局部感知自注意力机制确定待训练模型，利用待训练模型、掩码建模的预训练策略对预训练数据集进行数据处理；基于数据处理结果、待训练模型进行局部与全局的特征提取，利用特征提取结果及待训练模型中的密度感知倒角距离损失计算机制确定训练损失，得到预训练后模型；采集目标产品的点云数据确定微调数据集，利用预训练后模型及微调数据集进行特征提取与点云分类，完成微调，得到目标模型。本申请提高了点云特征提取的质量。

 本技术提供一种基于多任务的输电线路防震锤缺陷检测方法，包括:获取原始输电线路防震锤图像，并生成接近真实故障样本的数据样本；建立多任务检测网络模型，并为所述多任务检测网络模型构建分类损失函数和分割损失函数，建立的多任务检测网络模型包括共享特征层、分类分支和分割分支；基于数据样本，采用交替训练的方式对所述多任务检测网络模型进行训练，得到训练后的多任务检测网络模型，且在训练过程中，并采用自适应动态加权策略自适应调节权重参数；将待检测的输电线路防震锤图像输入至训练后的多任务检测网络模型，得到输电线路防震锤的分割定位与缺陷检测结果。本发明能够解决现有技术鲁棒性和检测性能较差的问题。

 本文提出一种数据传输方法、数据接收方法、装置及存储介质，该数据传输方法包括:生成通信数据比特流，包括多组数据比特，每组数据比特包括至少一个索引比特以及至少一个调制比特；索引比特用于从频率‑多普勒域的多组资源网格中确定出激活网格；调制比特用于通过数字调制生成数字调制符号，数字调制符号在激活网格上传输；针对任意一组数据比特中的任意一个索引比特，从频率‑多普勒域中确定出与索引比特对应的激活网格，将索引比特对应的调制比特映射到激活网格上，得到频率‑多普勒域的数字调制符号矩阵；基于数字调制符号矩阵生成射频信号，将射频信号发送给数据接收端。本申请实施例所述的波形能够在大频偏的通信环境下有效保障通信性能。

 本技术公开一种数字服务网络的异常溯源方法及系统，其中方法包括以下步骤:基于因果先验对作为第一参考数据的正常运行数据进行编码，获取相应的第一潜在表征，第一潜在表征具有若干个第一维度，第一维度与因果因素一一对应；依次对第一潜在表征中各第一维度的值进行干预，生成相应的干预表征；每个因果因素具有若干个与其相对应的干预表征；对各干预表征进行重构，获得相应的干预数据；计算干预数据与作为目标数据的异常运行数据的相似度；基于相似度，从干预数据中筛选出相应的候选数据，基于候选数据所对应的因果因素生成相应的异常溯源结果。本发明能够对具有复杂因果关系的数字服务网络的异常进行溯源。

 本文实施例提供一种图像处理方法、计算机程序产品、电子设备及计算机存储介质。在对待抠图图像进行抠图处理时，可以获取抠图关键色，根据RGB颜色立方体模型8个角点表示的颜色中与抠图关键色比较接近的颜色对应的色相分界面，确定用于表征该抠图关键色与其他颜色的色相分界位置的参考平面，进而可以基于待抠图图像中各像素点与该抠图关键色各自相对于该参考平面的相对位置关系，确定各像素点为待抠图图像前景区域的概率。本申请中通过利用抠图关键色和参考平面限定待抠取的背景颜色的范围，可以更加准确地区分前景和背景，且过渡更加自然。

 本技术涉及一种毫米波MIMO‑OFDM系统信道估计增强方法，重点解决现有方法未能有效利用稳定路径的先验信息，导致估计过程中存在不必要的计算开销和精度损失问题。其实现步骤为:1）对于每个子载波，基站（BS）在连续时间帧内配备不同的波束赋形矢量，用户（UE）在每个时间子帧独立检测传输信号；2）从接收信号中分离已知路径信息，得到先验和未知信息联合的张量切片，基于平行因子（PARAFAC）模型将其构建为三阶张量；3）利用先验信息优化交替最小二乘（ALS）算法，估计出三个因子矩阵，再利用最大似然（ML）估计得未知信道参数。本发明提出的信道估计增强方法能利用稳定路径的先验信息优化ALS算法，可以降低估计误差，提高系统性能。

 本公开提供了一种基于多模态语义信息的行人重识别方法、装置及设备，该方法包括:获取若干监控画面；将若干监控画面作为预先训练完成的多模态目标检测模型的输入，以使多模态目标检测模型根据各监控画面进行检测，确定各行人对应的外貌特征标签以及各外貌特征标签对应的深度特征；将与目标检索对象的外貌特征标签全部相同的行人确定为待识别人员；基于目标跟踪算法，确定目标检索对象以及各待识别人员在各自监控画面中的运动轨迹，并确定目标检索对象与各待识别人员之间的轨迹相似度；将轨迹相似度大于或等于预定阈值的待识别人员确定为目标检索对象。本文实施例的技术方案可以在提高行人重识别的效率的同时，保证行人重识别的准确性。

 本文涉及图像处理领域中一种鱼眼图像矫正方法及其装置、设备、介质，所述方法包括:根据边界定点规则对显示器鱼眼图的图像实例分割结果进行边界定点，获得相应的区域边界点位信息，根据区域边界点位信息和区域点位映射关系，确定出相对应的区域内点位信息，基于区域边界点位信息和区域内点位信息细分出显示器鱼眼图中的多个目标细分区域，应用鱼眼矫正算法对各个目标细分区域相对应的细分图像进行图像矫正，得到相应的各个矫正后的细分图像。本申请能够高效精准地矫正显示器鱼眼图中的图像区域。

 本技术公开带角点的工件尺寸高精度测量方法、装置、设备及介质，涉及工件尺寸测量技术领域，包括:对目标工件的原始工件图像进行预处理，得到预处理工件图像，获取预处理工件图像中的工件区域，得到感兴趣区域图像；检测感兴趣区域图像中的角点区域；检测角点区域的关键点；基于角点区域的关键点之间的几何约束信息，对关键点进行优化，得到优化关键点；获取角点区域的优化关键点在原始工件图像中的图像坐标信息，根据图像坐标信息以及预设的相机标定参数，获取角点区域的优化关键点的世界坐标信息，基于世界坐标信息获取目标工件的尺寸信息。本发明对具有特殊角点的工件测量和定位更加准确、稳定和高效，提高了生产效率和工件质检工艺水平。

 本文提供了基于自监督学习的脑出血分割预测模型的处理方法及装置，用于为脑出血分割预测模型的训练，提供了一种新颖的模型预训练架构，以此基于处理得到的预训练模型，有助于后续可以展开更为高效、高精度的模型训练，可以促使获得更高处理精度的脑出血分割预测模型，使得模型具有更强的处理性能，具有更佳的应用价值。