本技术涉及计算机视觉领域，特别涉及一种基于多特征协同作用的跨模态建筑物图像提取方法、装置、电子设备及介质。所述方法包括:通过构建基于Mask RCNN框架的单体建筑物实例分割网络，在网络的位置预测分支加入方向参数获取建筑物图像；然后将感受野模块嵌入到分割分支中，采用了Shuffle Net作为网络主干来提取建筑物特征，利用ROI‑Align得到建筑物检测框的特征图；然后使用基于注意力机制的长短时记忆网络对建筑物轮廓进行顶点预测；然后基于生成对抗网络、采用端到端的双分支结构的检测方法完成建筑物变换检测。通过本发明能够提高了跨模态建筑物图像提取的精度。

 本技术涉及一种基于神经网络多层次特征学习的低剂量CT图像复原方法及装置，对CT图像数据集进行预处理，获得预处理图像；基于预处理图像，通过粗特征提取模块提取图像粗特征，获得粗特征图；基于所述粗特征图，通过细节增强模块增强图像细节特征，获得细节增强特征图；基于所述粗特征图，通过重建图像模块获得第一重建图像；基于所述细节增强特征图，通过重建图像细节模块获得第二重建图像；将所述第一重建图像和第二重建图像相加，得到复原图像；计算损失函数，训练出复原模型。本发明能够有效提高低剂量CT图像复原处理效果。

 一种用于复材缺陷红外热成像检测的三维卷积增强方法，属于工业过程中缺陷检测领域。所述方法包括以下步骤:(1)获取红外热成像缺陷图像数据集；(2)图像预处理；(3)构建3DCAT数据增强模型。本技术方法采用三维卷积编码器对复合材料的缺陷图像进行处理，三维卷积操作考虑时空信息，并结合编码器的特征提取能力，使模型得以捕捉到不同时间点上的潜在变化和缺陷信息，能够较好的将缺陷与背景信息分离。后续用降维的方法提取了最具代表性的主要成分，进行更有效地进行缺陷的检测。

本技术公开了一种基于多模型检测的跟踪方法、装置、交通工具及存储介质，方法包括:获取无人驾驶设备采集的障碍物的传感数据；对传感数据进行检测，输出障碍物的第一跟踪隐式特性；对传感数据进行轨迹跟踪，输出障碍物的轨迹隐式特性；把第一跟踪隐式特性与轨迹隐式特性输入第一预设网络模型，输出跟踪隐式特性与轨迹隐式特性的相似性的第一度规。通过本发明实施例，带来准确的跟踪效果同时提供物体可信度状态的输出；不仅考虑物体自身的特征，还包含其他物体、地图信息，在事例特性的提取上更加多样化；在特征的种类上，不仅有事例特征，还包含了全局坐标下的格点的特征，使得模型整体拥有很好的泛化能力。

本技术提供了一种基于河流上下游的污染物流经监测方法及系统，涉及河流污染物监测技术领域，所述方法包括:S1：获得按照河流顺序从上游到下游排列的当前监测图像集；S2：对监测图像集进行遍历，依次对第一河流图像进行污染物识别，当识别到第一河流图像中存在污染物时，停止遍历并标记该第一河流图像为污染物来源图像，再转到步骤S3；S3：通过第二截图频率对第一待识别摄像视频进行截图得到多个第二河流图像；S4：依次对时间范围内的多个第二河流图像进行污染物识别，根据污染物识别结果判断并得到污染物来源图像中识别到的污染物所对应的污染物流经；S5：以污染物流经中监测图像按照河流顺序从上游到下游排列显示。

本技术涉及一种结合地图河道识别和降维计算的反向溯源分析方法，属于污染检测技术领域，包括:设置河道监测传感器，发现污染物时，上报报警信息；获取监测点位信息、河道水文信息以及溯源范围参数信息；进行河道网络识别；根据绘制的中线，将地图进行横向切分，得到切分后的像素图，将像素图形成文件管理集合；溯源网格浓度；疑似排污评分；按污染源企业评分分数在地图GIS上进行展示，供用户研判。本发明以单监测点为源点，以点概面，利用地图进行河道的AI网格切割、排序，并带入反向溯源算法模型进行污染网格浓度反推，避免现有污染源溯源算法、扩散算法的计算单一性导致的精准度低，排污隐蔽性导致的溯源错误。

本技术涉及图像处理技术领域，具体公开了一种目标检测方法、装置、设备、介质及计算机程序产品，通过在视觉感知模型中添加多分辨率图像校正网络，在利用多分辨率图像样本迭代视觉感知模型的过程中，利用多分辨率图像校正网络根据分辨率对应的图像特征尺寸与基准图像特征尺寸的关系确定分辨率对应的图像特征位置编码，根据该图像特征位置编码对输入的图像特征进行自注意力计算并输出校正后的图像特征，从而实现将不同分辨率的图像特征校正到与基准图像特征一致，在训练视觉感知模型时降低不同分辨率图像样本之间的干扰，在利用训练后的视觉感知模型执行目标检测任务时，对于需要处理的不同分辨率的输入图像均能保证精度的目标检测结果。

本技术涉及人工智能领域，具体为基于卷积神经网络的双目屈光度计算方法及系统，具体为:按照灯组序列中灯组亮灯顺序构建和灯组序列对应的眼瞳图序列，按照眼瞳图在序列中的顺序将眼瞳图输入到对应的基于卷积的主干网络中进行特征提取得到一个一维向量，进而得到特征矩阵；将特征矩阵增加学习向量，将维度扩展后的所述特征矩阵输入到ViT模型中，对每个编码器的输出进行转置，将转置后的向量作为下一个编码器的输入，获取所述ViT模型输出的特征矩阵的第一行和第一列；将所述第一行和第一列分别输入到两个检测头中并进一步通过两个检测头的输出获得屈光度的值。本发明有效提高了对双目屈光度计算的准确度。

本文公开了一种判断微信聊天截图的方法和系统，通过输入待检测图片到微信聊天截图分类模型中，所述微信聊天截图分类模型判断所述待检测图片是否为聊天截图；若为是，则将所述待检测图片内文本特征与精准匹配规则库中的文本特征进行匹配比对，若匹配失败，则将所述待检测图片输入书面语口语分类模型，所述书面语口语分类模型利用文本分类技术，对所述待检测图片中的文本进行分析和判断；若判断结果为所述待检测图片的文本属于口语，则确认该图片为微信聊天截图，本方案运用图像分类、目标检测和文本分类技术，通过数据收集、模型训练和规则建立等步骤，能够有效解决现有技术存在的问题，提高微信聊天截图的准确性和判断能力。

本公开涉及显示技术领域，提出一种指纹识别模组和显示面板，该指纹识别模组包括像素感应电路，像素感应电路包括驱动晶体管、第一晶体管、第二晶体管、光电二极管。指纹识别模组还包括:依次层叠设置的衬底基板、第一导电层、第三导电层。第一导电层包括：第一信号线、第二信号线。第一信号线沿第一方向延伸，且与第一晶体管的栅极连接；第二信号线沿第一方向延伸，且与第二晶体管的栅极连接；第三导电层包括第一导电部，第一导电部用于形成光电二极管的第一电极，第一导电部在衬底基板的正投影与第一信号线在衬底基板正投影、第二信号线在衬底基板正投影均不相交。该指纹识别模组具有较小的噪声。