摘要：基于L0稀疏先验的盲相机抖动去模糊方法属于数字图像处理技术领域，是一种对相机抖动造成的模糊图像进行去模糊的方法，能够估计各种空间不变的相机抖动模糊核（点扩散函数）；该方法不仅避免了当前变分贝叶斯估计方法计算复杂度高的问题，而且解决了当前最大后验估计方法缺乏严格最优化理论支撑的问题；首先，引入基于L0范数的显著边缘稀疏先验，利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测；其次，引入基于L0范数的相机抖动模糊核稀疏先验，利用迭代重新加权最小二乘法实现模糊核的快速估计；最后，利用基于超拉普拉斯先验的图像非盲去模糊方法，获得高质量去模糊图像；该方法流程图如附图1所示。

摘要：本发明公开了一种域自适应雾天图像目标检测方法和装置，属于目标检测技术领域，方法包括如下步骤：对获取的目标检测数据集进行预处理；对骨干网络进行模型多尺度性能改造重建；利用预处理后的目标检测数据集训练改造后的骨干网络获得目标检测模型；对所述目标检测模型搭建域分类器；采用雾天图像和预处理后的目标检测数据集，训练搭建域分类器的所述目标检测模型获得域自适应检测模型；利用所述域自适应检测模型对待检测雾天图像进行目标检测。本发明的方法和装置具有检测精度高、实时性和应用性较强、漏检率低等优点，提升了检测模型在雾天场景中的表现。

摘要：本发明公开了基于互补结构感知的内外循环驱动图像盲去模糊方法和装置，图像处理技术领域，方法包括：输入模糊图像并利用图像先验知识获得模糊图像的初始模糊核；基于L0+RDP正则化模型和初始化模糊核对模糊图像进行非盲去模糊的迭代处理；判断所述迭代处理是否达到预设最大迭代次数，若达到预设最大迭代次数时，停止迭代处理，获得最终的中间模糊核，利用最终的中间模糊核对输入的模糊图像进行非盲去模糊处理，获得去模糊的最终清晰图像。本发明的方法和装置在图像梯度L0稀疏先验的基础上引入了一个RDP函数作为正则项，能够在区分图像边缘陡度的情况下较好地保留图像边缘信息，提高去模糊结果的精度，进而能够更好地估计出模糊核和清晰图像。

摘要：本发明公开了一种用于目标检测的自适应平衡训练损失的方法、装置及存储介质，方法包括：将训练样本输入检测模型，得到输出的用于计算损失的数据，包括预测框的位置、预测框的宽高以及预测框分类的得分；将损失平衡因子用于分类损失，对检测模型进行训练，优化计算得到分类损失平衡因子；将损失平衡因子用于边框回归损失，对检测模型进行训练，优化计算得到边框回归损失平衡因子；将所述分类损失平衡因子和边框回归损失平衡因子同时用于训练总损失，对检测模型进行训练，优化得到最优检测模型。实验结果证明，本发明设计出的损失平衡因子能有效平衡目标损失，提高检测器的平均精度，且数据集中的各个种类的检测精度都得到了不同程度的提升。

摘要：本发明公开了一种面向人脸识别的黑盒对抗样本攻击方法，包含S1.准备以及预处理数据集。S2.利用DIP(Deep Image Prior)网络将待优化参数转换为生成器网络参数，训练过程引入多重特征提取网络、指向性特征借此提升攻击精度以及迁移性。S3.将训练初始随机选定的隐编码z，通过图片生成模型，得到最终的攻击图片，将攻击图片混以干净图片以图片对的形式输入到人脸识别模型中得到人脸验证以及识别结果。在攻击场景下通过DIP网络，拓展了攻击优化算法的搜索空间，解决了现有模型对于黑盒攻击中攻击精度以及迁移性不高的问题。

摘要：本发明公开了一种装配式预制桥墩之间的节点连接装置，包括:连接方管，所述连接方管用于对接上下预制桥墩，所述连接方管的外侧壁上固定设置有保护环套；传动装置，所述传动装置设置在所述连接方管的内部，所述传动装置用于带动设备运行；本发明中，通过传动装置以及夹持定位装置之间的配合使用，使得在上下预制桥墩放置后，由外力推动，使得夹持板将预制桥墩进行夹持推动，四壁的夹持板同步移动，即可使得预制桥墩位置在推动下，处于中心位置，并对定位后的预制桥墩进行稳定夹持，实现安装时对预制桥墩进行精准定位推动，使得安装偏移问题得到有效解决，同时夹持后桥墩不易偏移，提升了连接的稳定性。

摘要：本发明属于计算机视觉图像处理领域，公开了一种面向3D目标检测的点云一致性约束单目深度估计方法，方法包括：准备用于无监督单目深度估计的数据集；将训练集分批输入无监督单目深度估计模型，模型输出与输入图像对应的深度图、位姿变化，计算与输入图像对应的重投影图像和点云，进一步计算训练总损失，包括重投影损失、点云一致性损失、边缘平滑损失；使用总损失约束模型训练，优化得到最优的无监督单目深度估计模型；准备用于3D目标检测的数据集，生成伪点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过引入3D信息约束，提升了道路场景的深度估计及3D目标检测精度。

摘要：本发明属于计算机视觉图像处理领域，公开了一种基于关键点和物体高度投影的无锚框单目3D目标检测方法，包括：(1)准备数据集；(2)将训练集中的图片输入主干网络模块提取图像特征；(3)将主干网络提取的低层特征送入解码模块进行上采样；(4)将解码之后的特征送入检测头模块来检测相应的目标参数，计算每一个检测头的损失；(5)将检测头检测的目标信息输入位姿推理模块以推理目标的3D位姿，计算位姿的L2损失以及面积与距离指导损失；(6)使用验证集对模型进行验证，计算3D目标检测指标。本发明先基于关键点预测出粗略的3D检测框，然后利用物体高度投影来精确预估目标距离，提升了道路场景的3D目标检测精度。

摘要：本发明属于计算机视觉图像处理领域，公开一种基于点云学习的无监督单目深度估计方法，包括：准备数据集；将训练集分批输入无监督单目点云估计模型，模型输出与输入图像对应的预测点云、位姿变化，计算与输入图像对应的重投影图像和重建点云，计算训练总损失，包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失；使用总损失约束模型训练，到最优的无监督单目点云估计模型；准备用于3D目标检测的数据集，用预测点云文件替换真实点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过直接估计点云并引入点云约束，提升了道路场景的深度估计及3D目标检测精度。

摘要：本发明公开了一种鱼料加工用筛分装置及其筛分方法，属于饲料加工技术领域。一种鱼料加工用筛分装置及其筛分方法，包括筛料箱，筛料箱内部转动安装有筛盘，筛盘中部固定连接有转轴，转轴外侧固定套设有单向轴承，单向轴承外侧固定连接有驱动杆，筛料箱下部安装有动力机构，筛料箱下部安装有反向驱动机构，筛料箱内部安装有清洁机构，清洁机构设置在筛盘上方。通过设置反向驱动机构，能够在驱动杆往复转动过程中，驱动筛盘沿第二方向以小于第一方向转动弧度的方式转动，使得筛盘能够在进行往复转动对鱼料进行筛分时，能够调整其在清洁机构下发的部位，使得本装置能够在筛盘筛分执行筛分作业的过程中，对筛盘进行清理，增加了本装置的筛分效率。