摘要：本发明涉及一种在数字图像中检测与定位隐密信息的方法，包括以下步骤：用块效应计算方法检测包含了隐密信息的所述数字图像；若所述数字图像是JPEG图像压缩格式，则提取JPEG的量化矩阵；根据所述数字图像DCT系数推导出嵌入隐密信息前的原始图像的量化DCT系数；以及根据所述原始图像的DCT系数，恢复出该原始图像的像素值，通过该原始图像与所述数字图像像素值之差判断出所述隐密信息的嵌入位置，估算出该隐密信息的嵌入量。本发明的技术方案解决了现有隐密信息检测技术不能准确定位隐藏信息嵌入位置的缺点，可对数字图像中利用多种隐写算法进行隐藏的隐密信息进行检测和定位。

摘要：本发明涉及图像安全认证技术领域，公开的是一种JPEG图像自嵌入数字水印的生成及认证方法：将被保护的JPEG图像缩小四分之一，应用定长分组编码法对其进行编码，将编码作为水印嵌入到被保护图像的DCT系数低频分量上。如果对含水印的JPEG图像进行篡改、替换等恶意攻击，根据提取的水印与含水印的图像进行比对，就可精确地确定篡改区，并且可以近似地恢复出被篡改区域，恢复出的近似图像是原图像的四分之一。本发明在分析JPEG系数统计特性的基础上取得了很好的编码效果，不仅不需要受限的位图矩阵，而且可以使用任何的质量因子进行量化。

摘要：一种超透压敏胶及其制备方法，属于胶水技术领域。超透压敏胶包括主物料、去离子水、乳化剂、碳酸氢铵、过硫酸铵、叔丁基、雕白块、消泡剂和增稠剂；其制备方法包括：乳化液制备；加热升温阶段加入碳酸氢铵、过硫酸铵及乳化液；降温阶段加入叔丁基、雕白块、消泡剂和增稠剂，混合均匀，即得到超透压敏胶。该超透压敏胶与现有的压敏胶相比雾度降低50%以上，初粘性和持粘性提高20%以上，并且颜色透明，没有杂色，适合与薄膜结合制作成粘胶带。并且本发明的超透压敏胶的制备方法工艺简单，操作方便，适合大规模工业化生产。

摘要：本发明公开了一种基于人体姿态估计的武术动作识别方法，涉及武术动作识别技术领域，本发明包括如下步骤：获取标准的教学视频；将所述教学视频根据武术动作提取短视频，得到单帧人物动作图片；将所述单帧人物动作图片送入人体姿态识别网络得到关节点数据；对所述关节点数据进行标准化、归一化处理；将处理后的所述关节点数据进行分类，根据分类结果对所述关节点数据进行保存，并显示；本发明的实施，使得动作方面不仅有固定简单的动作，而且网络较为轻巧，处理速度较快，人体姿态识别网络在实际中部署比动作识别网络要简单，能够有效的识别出视频中人物所作的动作，能够有效的辅助裁判员对武术动作进行评分，提高评分的准确性，使评分更有依据。

摘要：本发明涉及一种基于UniLM的中文语法纠错方法，包括以下步骤：步骤A：利用爬虫技术采集Lang‑8网站母语非中文学习者书写语句和对应批改语句，并对语句进行清洗生成语料库；步骤B：对语料库进行预处理后划分训练集和验证集；步骤C：结合预训练模型，对构建的基于UniLM的中文语法纠错模型采用训练集进行微调训练；步骤D：使用训练好的纠错模型采用验证集进行验证，并对纠错效果进行评价，并利用该纠错模型输入待纠错语句进行纠错。与现有技术相比，本发明具有精确率高、误判率低、性能好等优点。

摘要：本发明涉及一种基于Transformer和多任务学习的中文语法纠错方法，该方法包括以下步骤：步骤A：利用爬虫技术收集Lang‑8网站母语非中文学习者书写语句和对应批改语句，清洗并筛选语句对，组成语料库；步骤B：对语料库中的语句对数据进行预处理；包括去停用词、繁体转简体、以及划分训练集和验证集；步骤C：基于编辑操作集合生成训练样本所需的标签；步骤D：构建基于Transformer和多任务学习的中文语法纠错模型进并采用训练集行训练；步骤E：对完成训练的中文语法纠错模型通过验证集进行验证，根据评价指标评价纠错效果，并利用该模型输入待纠错语句进行纠错。与现有技术相比，本发明具有精确率高、泛化能力强、性能好等优点。

摘要：本发明公开了一种基于Involution的轻量化人体姿态估计方法和系统，涉及人体姿态检测领域，本发明包括构建特征提取网络；基于Involution对特征图进行优化，并获取新的特征图；以Involution为卷积核构建人体姿态识别模型；获取人体姿态热图；将热图和特征图同时作为数据输入人体姿态识别网络，最后产生人体姿态节点信息；本发明通过最新的神经网络算子Involution，设计一个新的特征提取网络，保持很强的学习能力的同时，还能够保证网络性能不退化，分类性能表现出色，且通过人体姿态识别网络，对新特征提取网络效果进行验证，相较于原网络，参数量和计算量有明显降低，同时模型的准确率有提升，提高了网络处理的速度。

摘要：本发明公开的一种通用的数字图像隐形信息检测方法，不含隐形信息的原始图像与含有隐形信息的含秘图像经“量化攻击”前、后的小波分解系数的统计量的变化程度是不同的，以原始图像经“量化攻击”前、后的小波分解系数的统计量为训练样本，用一类支持向量机做分类器，能可靠的识别多种由不同隐写算法生成含秘图像。该方法可对多种隐写算法进行检测，属于通用的隐形信息检测方法。

摘要：本发明涉及一种基于高斯混合模型与深度学习的多类别车辆检测方法。本发明同时检测多种类别的车辆，将传统算法与深度学习模型进行了结合，具体包括A通过高清摄像头获得道路高清监控视频，并将其传递给后台服务器；B通过高斯混合模型背景差分法进行前景提取，同时进行轮廓检测，获得待检测的ROI区域。C将ROI区域传入到改进后的SqueezeNet网络进行类别检测，并显示结果。D.将每一类别的车辆进行汇总，同时计算视频检测的检测速度。E.将每一帧的视频检测结果汇成视频流显示，同时进行备份供用户备份检查。本发明使用少量预训练样

摘要：本发明公开了一种基于强化学习的丢包控制方法和计算机设备，涉及计算机设备技术领域，包括以下步骤：步骤一：初始化数据解析环境；步骤二：接收数据；步骤三：解析数据；步骤四：分析数据，将本地解析后的文件与网络云端文件进行对比，并且分析解析后的文件是否存在丢包情况；步骤五：若本地文件不存在丢包情况，则获取环境奖励并且输出数据；步骤六：若本地文件存在丢包的情况，则处理程序进行丢包问题排查；步骤七：本地设置修改后，重复步骤二至步骤四。本发明能够单次运算解析单个数据包，避免了多个数据包同时解析、对比所需要的计算资源，保证了计算机设备的高速运行。