摘要：本发明涉及大容量门禁系统及其控制方法，所述控制方法包括：获取卡号；查找卡号对应的权限并判断；根据判断结果，执行相应操作；所述查找卡号对应的权限包括：根据卡号中设定位的值，确定目标区域；以及，在目标区域查找与卡号对应的权限；所述目标区域为若干权限存储模块中的一个。大容量门禁系统包括读卡器、若干权限存储模块、控制器和执行机构，控制器与所述读卡器和若干权限存储模块连接，以根据卡号从所述若干权限存储模块选择一个作为目标区域，进而查找权限并判断，执行机构与控制器连接，以根据权限判断结果执行相应操作。本控制方法能够大大缩短权限查询时间，提高大容量门禁系统的刷卡速度。

摘要：本发明公开了一种伽马射线辐照纳米颗粒增强超高分子量聚乙烯复合材料及其制法。即以纳米颗粒为导入的交联点，使其均匀分散填充在UHMWPE粉末中，热压后形成具有网络结构的纳米颗粒/UHMWPE复合材料；再对纳米颗粒/UHMWPE复合材料进行γ-射线辐照处理。本发明辐照后纳米颗粒/UHMWPE复合材料的磨损率下降至未辐照纳米颗粒/UHMWPE复合材料的1/2左右，不到未辐照UHMWPE磨损率的1/3；与纯UHMWPE相比，填充纳米颗粒有抑制γ-射线辐照导致UHMWPE氧化降解的作用；与全陶瓷和全金属关节相比，本发明的复合材料保持了UHMWPE的减震和缓冲功能。

摘要：本发明公开了一种纳米颗粒增强超高分子量聚乙烯人工关节材料及其制法。该纳米颗粒增强超高分子量聚乙烯人工关节材料，在超高分子量聚乙烯中填充的纳米颗粒作为交联点，形成具有网状交联结构的聚合物复合材料。该方法包括以下步骤：对超高分子量聚乙烯粉末进行细分筛选；用含偶联剂的乙醇溶液对纳米颗粒进行修饰；将纳米颗粒与超高分子量聚乙烯粉末充分混合；对混合后的粉末进行分散；将混合粉末加入模具中，热压成型制备出块体复合材料。本发明的纳米颗粒/UHMWPE复合材料中的纳米颗粒填充量低，小于10wt％；复合材料的磨损率下降至纯UHMWPE的1/2-1/5，摩擦系数下降至纯UHMWPE的1/2-1/4，特别是在膝关节磨损实验机上的实验结果表明其耐磨性得到显著提高。

摘要：本发明公开了一种耐磨陶瓷涂层钛合金人工关节头及其制备方法，包括表面形成微孔阵列织构的钛合金关节头本体，在钛合金关节头本体表面设有减摩耐磨陶瓷涂层，所述减摩耐磨陶瓷涂层的表层为经过硬质纳米颗粒填孔和封孔的致密陶瓷层。微孔阵列织构为在钛合金关节头与臼杯接触的表面上加工形成的规则微孔阵列；氧化陶瓷涂层为采用二步等离子电解氧化工艺制备的硬质氧化层，且复合在织构化表面上。本发明带有改善润滑性能的耐磨陶瓷涂层人工关节头不仅增强了自身的耐磨性，而且可显著减少摩擦偶件——关节臼的磨损，而且保持了钛合金本体的韧性，其成本显著低于全陶瓷关节头。

摘要：本发明涉及人工智能技术领域，公开了一种跨域图像检索特征提取模型训练方法、图像检索方法、装置、电子设备及存储介质，该跨域图像检索特征提取模型训练方法基于原型的最优传输形式，通过利用K‑means聚类的统计特性来约束最优传输的边际分布，更加适用于真实场景下未知数据分布的情况。同时利用最优传输矩阵更新原型，使得原型的形成考虑到数据分布信息的影响，这种新的基于原型的最优传输形式可以更好地适用于样本与原型之间的匹配，通过在进行模型训练时考虑到了跨域特征对齐损失和域内表征学习损失，利用对比学习的方式挖掘局部的一致性和全局的判别性，从而获得更适用于无监督跨域图片检索的特征，提高模型的检索效果。

摘要：本发明公开了一种基于知识更新和知识整合的终身学习行人再识别方法和装置，具体将终身学习中任务学习过程分为知识回放，知识更新和知识整合三个阶段。知识回放接收本地任务数据和缓冲区任务数据，借助记忆模型产生的伪标签维护工作模型。与此同时，工作模型产生的响应传递到记忆模型自我更新，从而生成更优质的伪标签。这两种模式交替更新模型参数，实现双向的信息传递。任务训练结束后，进入知识整合阶段。在模型层面，本发明设计了一种滑动平均的方法实现工作和记忆模型的整合，以促进下一阶段的部署训练。在测试阶段，本发明提供了一种特征空间的整合以提升在可见和不可见域预测结果的泛化性。

摘要：本发明提出了一种基于统一最优运输框架的通用领域自适应方法，涉及深度学习、计算机视觉领域，包括：将源域和目标域图像样本通过特征提取器，获得正则化后的特征；将目标域特征与源域原型做相似度计算；将相似度矩阵送入非平衡最优运输求解器求解，获得分配矩阵；进行自适应填充后再进行优化问题求解；使用统计均值筛选出高置信度样本为公共类别，并赋予伪标签计算域对齐损失函数。其中，将目标域样本与之在内存队列中的最近邻特征拼接后，和目标域原型做相似度计算；将相似度矩阵送入最优运输求解器求解，获得分配矩阵；将所得分配矩阵作为伪标签计算目标域特征发现损失函数；进行网络训练，使通用领域自适应问题得以解决。

摘要：本发明公开了一种将回归与优化结合的三维人体参数化模型估计方法，通过使用三维人体关节作为桥梁把三维人体参数化模型估计这个任务中常用到的回归算法跟优化算法结合了起来。为了发挥了各自的特长，本发明分别使用回归算法对三维人体关节关键点进行神经网络回归和优化算法对预测的三维人体关节关键点进行逆向动力学求解。该优化分支在神经网络里实现一步步迭代求解，并且作为其中一个层，即优化层。通过设计的优化算法，我们所设计的逆向运动学优化层可以同神经网络一同训练并且将优化结果通过梯度回传来训练神经网络的参数。从而达到端到端三维人体参数化模型估计的效果。

摘要：本发明公开了一种解决物理约束的深度强化学习训练及决策方法，公开了一种通用的能够处理物理约束的强化学习方法，确保了在强化学习进行决策的过程中硬约束的满足。本发明提出的是一种通用的解决物理约束的强化学习方法，可以解决任意形式的具有任意多个可微约束的决策问题，而不限于某一具有某种特定形式约束的决策问题；本发明所提出的物理感知层是全可微的。因此，策略网络可以得到完整的梯度信息，因此其训练过程是端到端的，便于实现和操作。其训练更新的过程也更加准确；本发明致力于解决决策问题中的物理硬约束，其包含了等式和不等式约束，确保了决策的可行性。这对强化学习技术在实际应用中的落地意义重大。

摘要：本发明公开了一种基于叠层归一化流模型的单目人物重建方法，本发明主要的创新点在于：(1)提出一种新型的刻画人和物体三维空间位置的方式，该方式相比之前的刻画方式是信息完全的、显式的和高效的。(2)设计出提取人和物体之间空间关系的神经网络，该网络考虑到单目重建自身的歧义性问题从图片中提取出人和物体空间关系的概率分布，而不是点估计，从而更适合于单目场景下的三维重建。(3)该发明在后优化步骤中提出了人物偏移量损失，该损失相比之前的算法能够更加高效的约束人和物体之间的空间约束。