摘要：本发明涉及基于轻量级Non‑Local的图像分类方法及系统，属于图像分类领域。利用轻量级网络的分组隐式聚类特点，对瓶颈层后的抽象特征进行分组，简化了原始Non‑Local的长连接关系获取机制，从而降低了计算复杂度。利用一元长连接关系和点对长连接关系对特征进行提取，在降低计算复杂度的同时保留了Non‑Local原本带来的长连接性能，实现了计算复杂度和Non‑Local长连接的兼容。利用提取的特征对图像的类型进行预测，并计算预测的图像类型和实际的图像类型的交叉熵损失，根据交叉熵损失对模型进行训练，得到训练好的模型，并利用训练好的模型进行图像分类，既能提高图像分类准确性又能避免计算量大幅度提升。

摘要：本发明公开了一种基于时序混洗和运动增强的人脸活体检测方法，包括以下步骤：利用轻量级网络FasterNet训练特征提取器；在特征提取器后端添加4层时序混洗模块以及全连接层以实现二分类；在不同尺度级别添加运动增强模块实现深度图的提取；使用交叉熵损失以及均方差损失进行多帧训练；对训练好的网络模型进行预测，对分类预测结果以及深度图预测结果取均值作为最终的评判结果。本发明考虑多帧人脸活体检测的检测时长问题，提出有效的且简单的时序信息融合方式，同时利用时序之间的信息提高深度图预测的准确性。

摘要：本发明公开了一种基于扩散模型和细粒度文本描述的人体动作生成方法，方法包括：利用大型语言模型将原始文本描述转述为不同身体部位的细粒度描述；利用细粒度描述来指导基于Transformer的扩散模型，生成符合描述的人体动作；在扩散模型中，将整体描述编码为全局令牌，并将不同身体部位的描述编码为多个局部令牌，共同指导生成过程；通过全局令牌和局部令牌的结合，使模型同时关注全局和细节信息，生成更符合描述的动作。本发明可以生成超出原始数据集范围的零样本人体动作，具有良好的泛化能力。

摘要：本发明涉及生物医学领域，具体涉及一种RNA适配子RCAN1‑s14以及其在制备RCAN1蛋白靶向抑制剂药物中的用途。本发明通过蛋白印迹和RNA敏感性实验技术分析证实，RCAN1可以与RNA相互结合，并筛选出特异性RCAN1适配子RCAN1‑S14。此外，本发明证实RCAN1‑S14可以通过与RCAN1结合可以减弱RCAN1相关生物学功能，从而可用于制备治疗与RCAN1相关疾病的靶向药物。

摘要：本发明公开了一种基于背景抑制和前景对齐的细粒度小样本图像分类系统及方法，分类方法包括：通过特征提取器获得图像的特征图；将图像特征图放入背景抑制模块获得裁剪后的图像，然后通过特征提取器获得裁剪图像的特征图；将支持图像的特征图以查询图像的特征图为模板进行对齐来消除图像对之间的错位问题；使用局部相似性度量的方法来计算支持图像和查询图像之间的相似性。本发明简单且高效，既解决了样本缺少导致模型容易过拟合的问题，又解决了细粒度图像识别困难的问题。

摘要：本发明公开了一种基于对抗攻击和频域操纵的面部篡改主动防御方法，该方法包括：通过扰动生成器生成对抗扰动，将对抗扰动应用于面部图像，生成受保护的面部图像；将原始人脸图片和被保护的人脸图片分别输入人脸篡改模型得到篡改后的人脸，计算对抗损失和生成损失；针对不同的篡改模型训练多个教师扰动生成器；基于小波变换的和逆变换设计频率感知损失；利用对抗损失，多教师蒸馏损失和频域感知损失训练学生扰动生成器；利用学生扰动生成器给人脸图片添加扰动，进行主动防御。该方法通过生成通用且不可感知的对抗扰动，可以有效防御各种面部篡改方法，尤其在黑盒场景中表现出显著的优越性。

摘要：本发明公开一种基于快速监督离散哈希的人脸检索方法，该方法首先将每个样本通过高斯核映射到核空间，求解针对核化后的样本的投影矩阵；将每个训练样本的类别标记映射到其对应的哈希码，然后通过最小二乘法求解对应的投影矩阵；通过解析法直接求解哈希码。本发明提高了在人脸检索应用中的精度和速度，在保证高精度的同时，相比现有的哈希方法的运算复杂度大大降低，更加适应于大规模数据的处理。本发明更具有通用性，可用于信息安全，公共安全，金融安全的防护和监督。

摘要：本发明公开了一种基于最优编码的监督离散哈希的图像检索方法，该方法首先将所有训练样本和测试样本通过高斯核映射到核空间，求解最优编码；将每个训练样本的哈希码映射到其对应的最优编码，然后求解对应的投影矩阵；求解平移向量；求解针对核化样本的投影矩阵；通过离散循环坐标下降法求解哈希码，反复迭代进行直至算法收敛。本发明提高了在图像检索应用中的精度，使得检索的结果更加精确，更加适应于精准检索，很好地改善了用户体验。本发明更具有通用性，可用于公共安全、信息安全、金融安全的防护和监督。

摘要：本发明公开了一种融合注意力机制的表情合成方法。该方法为：获取人脸表情数据集，对数据集进行关键点检测和图像裁剪；按照表情的不同类别将同一类表情划分在一起，将每类表情数据划分成训练集和测试集，根据不同的表情强度将训练集手动地划分为不同的类别；以表情强度作为条件标签，构建条件生成对抗网络，在生成网络中同时融合通道和空间两种注意力机制，使用带有分类器的鉴别网络同时判别输入图像的真假和强度类别；使用预处理后的训练集对网络进行训练，调节参数使模型达到最优，以测试集中的中立表情作为输入，得到不同强度的人脸表情图像。本发明能由中立表情图像合成具有不同强度的人脸表情图像，方法方便直观且合成的表情图像真实生动。

摘要：本发明涉及一种人脸年龄合成方法及系统，涉及人脸合成技术领域，人脸年龄合成方法包括：将测试图像进行预处理后输入人脸年龄合成模型中，得到不同年龄段的人脸图像；其中，人脸年龄合成模型的训练包括根据注意力掩码和合成人脸图像利用生成器网络的损失函数对生成器网络的参数进行优化，然后将合成人脸图像和对应原始输入作为负样本，合成时随机产生的目标年龄标签中的随机挑选的人脸图像作为正样本，输入到判别器网络得到对应的人脸图像的真实性的概率，根据这些概率利用判别器网络的损失函数对判别器网络的参数进行优化。当迭代次数到达最大迭代次数时，得到训练好的人脸年龄合成模型。本发明能够实现人脸年龄合成视觉质量的提升。