专利交易市场

本发明公开了一种基于高光谱三维点云的近端植物冠层光谱补偿方法，包括以下步骤：S1：搭建实验平台，并完成设备的调试；S2：分别对实验样本以及棋盘格进行高光谱图像与深度图像的数据采集，并对采集到的图像数据进行预处理；S3：基于S2中所拍摄的棋盘格图像，对S2所述预处理后样本的高光谱图像与深度图像进行图像配准与融合，生成植物冠层的高光谱三维点云；S4：基于S3中高光谱三维点云中每个点的深度与角度信息实现植物冠层的光谱补偿，减小工作距离和叶片角度两个重要因素的影响；S5：对原始的和S4中补偿后的植物冠层高光谱图像分别进行k均值(k‑means)聚类分析以及平均光谱曲线比较，通过对比补偿前后的结果以评估光谱补偿的有效性。

本发明提供一种喀斯特槽谷区土壤有机碳高精度估算方法，首先采集喀斯特区域的Sentinel‑2影像数据，并对影像数据进行预处理；分别计算研究喀斯特流域的光谱指数；采用围绕中心分区PAM的聚类算法将研究区域划分为不同的区域；使用遗传算法GA对每个区域的辅助变量的组合和选择进行优化；采用两种机器学习算法分别在不同的子区域以及整个区域建立土壤有机碳含量预测模型；生成喀斯特槽谷区土壤有机碳含量的空间分布图。本发明实现喀斯特槽谷区土壤有机碳含量的遥感精细估算，弥补了现有喀斯特区域使用单一的模型来模拟SOC会导致模拟精度较低的问题。

本申请公开了一种图片标注方法及装置，属于数据标注领域。所述方法包括：对于图片序列中待标注的第一图片，获取第一图片之前的第二图片的标注结果；确定该标注结果中的标注目标在第一图片之前的N张图片中的位置，根据标注目标在N张图片中的位置，确定标注目标的位置变化规律；根据标注目标的位置变化规律，确定标注目标在第一图片中的预测位置，然后可以根据该预测位置辅助对第一图标中的标注目标进行标注。如此，提高了标注效率和准确率，且算法更为简单，更加适应于实时预测场景，且对硬件资源要求较低。

本发明提出一种联合对比学习与自监督区域定位的图像情感预测方法，所述方法包括：获取图像情感数据集，并对图像情感数据集中的多个图像进行预处理操作，构建得到两个自监督区域定位网络并进行预训练；通过对比学习方法，对自监督区域定位网络输出的图像特征的判别性进行增强以得到优化后的图像特征；对优化后的图像特征进行自适应特征融合，以构建得到多视角特征回溯网络；将多视角特征回溯网络的最后一层、与全连接层以及Softmax层进行连接，以构建得到图像情感预测模型；将待处理图像输入至图像情感预测模型中，以最终输出得到待处理图像对应的情感倾向。本发明可准确描述图像蕴含的情感语义，实现客观精准的图像情感预测。

本发明涉及图像数据处理技术领域，尤其涉及一种基于图像特征细化的数据预处理方法及系统。该方法包括以下步骤：获取样本图像数据，对样本图像数据进行三级划分，从而获取三级划分数据集；对三级划分数据集进行片段聚合，从而获取聚合片段特征；基于三级划分数据集并利用对抗生成网络算法对聚合片段特征进行多模型集构建，从而获取细节扩展模型集；对细节扩展模型集进行多迁移学习，从而获取图像特征细化模型；获取原始图像数据，并利用图像特征细化模型对原始图像数据进行预处理，从而得到预处理后的图像数据集。本发明通过基于图像特征细化的数据预处理平台或系统对图像进行数据预处理，以实现更有效的图像增强和细节扩展。

本发明提供一种米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质，该方法应用于YOLOv5网络,该方法包括：步骤S1、采集米粉饼的图像数据；步骤S2、构建米粉饼样本数据集；步骤S3、米粉饼样本数据集训练；步骤S4、检测模型改进；步骤S5、新改进YOLOv5网络模型构建；步骤S6、米粉饼加工定位检测；步骤S7、获取米粉饼的位置。与相关技术相比，采用本发明的米粉饼加工定位方法、米粉饼加工定位设备及计算机可读存储介质可有效将米粉饼识别定位且自动化加工效率高。

本发明公开了一种前列腺癌穿刺病理图像的格里森自动分级方法，包括：在数字化的前列腺癌穿刺组织病理图像上手动标记格里森3级和4级组织区域；提取图像块，并对提取的图像块进行图像预处理后，提取图像块的H通道；计算同源性分布，包括细胞核的连通区域变化分布b0、细胞核构成的空洞变化分布b1以及两者的比率b，并采用七种统计描述方法表示计算得到的同源性分布，得到21维的统计特征集；构建k近邻分类器，采用10折交叉验证方法训练基于权重的k近邻模型；使用训练好的k近邻分类器自动预测格里森分级。本发明能够减少病理医生人工诊断的体力、精力和时间成本投入，同时量化分析诊断结果，极大降低了不同病理医生诊断的差异性。

本发明提出一种用于小目标检测的多层级感受野扩展方法与系统，引入Swin Transformer作为模型的主干网络，利用其层次性、局部性与平移不变性对小目标进行特征提取；根据主干网络各阶段输出特征的不同，设计了多级感受野扩展网络，进一步处理主干网络的输出特征，以避免小目标信息丢失问题；此外，所提出的感受野放大模块能有效地扩展感受野。根据任务需求，灵活调整各层感受野放大模块的结构，以匹配不同尺度目标所需感受野，并获取丰富的上下文信息；另一方面，所提出的GIOU loss与BIOU loss的联合损失用于增强目标的定位性能；经对比试验验证，本发明在小目标检测方面有很好的表现。