本发明提供了中草药型动物油脂脱腥剂、制备方法及其应用，包括以下重量份原料：零陵香0.4‑4.0份；藿香0.3‑3.0份；木香0.2‑3.5份；白芷0.2‑4.0份；肉桂0.4‑2.0份；香附子0.3‑5.7份；当归0.3‑2.7份；甘松0.3‑3.1份；槟榔0.5‑2.3份；肉豆蔻0.2‑2.0份；桂枝3.5‑10.0份；丁香0.5‑4.0份；甘草2.0‑15.0份；细辛1.0‑7.5份；川芎3.0‑7.0份和白檀香0.1‑1.0份。与现有技术相比，本发明利用中草药对油脂进行脱腥除臭，而且防止不饱和脂肪酸氧化损失及产生腥臭味对人体有害的醛酮类物质，有效增强油脂药香，改善带腥臭味的动物油脂气味。

本发明公开了一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，本发明使合成人脸样本的质量评估变得更加客观，具有较高的可靠性。评估方法包括：S1、数据预处理；S2、采用卷积神经网络构建合成人脸样本集的评估模型；S3、通过S2中构建的评估模型对合成人脸样本进行评估质量好的合成人脸样本,由于生成对抗网络模型的机制，质量好的样本其概率分布pg(x)与原始样本的概率分布pdata(x)相近，所以通过分类模型训练测试时可以得到较高的准确率；质量差的合成人脸样本,则因其分布pg(x)离原始样本分布pdata(x)较远，且存在较多的可能性，所以其样本间差别较大，经分类模型进行训练测试时准确率较低。

本发明涉及一种姿态驱动的遮挡行人重识别方法，属于计算机领域。本发明包括：输入待识别图像，经过预处理后调整为标准输入图像；利用行人重识别网络提取输入图像特征，得到全局特征；利用人体姿态估计网络提取输入图像特征，得到人体姿态特征；基于人体姿态特征，分别利用局部可见度预测器模块获取可见度评分，利用局部注意力生成器模块获取注意力掩膜；最后根据可见度评分选取输入图像可见部分的局部特征和图像库中的对应特征计算欧氏距离并按照升序排序，将排序结果作为行人重识别模型的输出。本发明帮助行人重识别网络定位遮挡区域，降低了相同身份的受遮挡行人与完整行人的特征差异，提高了行人重识别模型的泛化能力。

本发明涉及一种融合全局和局部特征的行人重识别方法、模型训练方法、可读存储介质及处理器，属于计算机视觉领域，包括以下步骤：S1：输入待识别的图像，将其预处理得到标准输入图像；S2：通过卷积神经网络来分别提取输入图像的全局特征和局部特征；S3：将全局特征和局部特征分别输入批量归一化层与1×1卷积层对特征进行降维；S4：将全局特征和局部特征进行融合，得到融合后的行人特征；S5：计算融合特征与图像库中各图像对应特征的距离，用于表示图像间的相似度；将图像库中的图像按照与输入图像的相似度排序，将排序结果作为行人重识别模型的输出。

本发明涉及一种复杂场景下实时视频多人行为识别方法及系统，属于机器视觉技术领域。该方法包括：采集视频数据；建立场景人脸标签库，用于人脸识别模型训练；构建轻量化SlowFast模型用于复杂场景多人行为识别；建立不同人员类别异常行为动作标签库，建立训练行为动作标签库；将训练数据集经过预处理之后，输入到构建的轻量化SlowFast网络中进行训练；利用人脸识别模型和轻量化SlowFast网络模型进行实际场景行为动作检测、识别。本发明通过人脸识别，确定人员类别身份，建立人脸检测框与人员位置定位框的关联关系，对场景中目标人员的行为动作进行检测和识别，以实现在复杂场景中不同类别人员异常行为的监测和预警。

本发明涉及一种针对高维数据的商业信息评估方法及系统，属于大数据领域。该方法为：S1：对商业信息评估涉及的高维数据进行预处理。S2：建立基于ECA‑Net注意力机制和FFM的CatNN，和基于LightGBM作为提升树的GBDT2NN。S3：输入类别型稀疏特征到改进的CatNN，计算其输入和损失函数，得到基于类别型稀疏特征的评估结果。S4：输入数值型稠密特征到改进的GBDT2NN，得到基于数值型稠密特征的评估结果。S5：集成改进的CatNN和GBDT2NN，用于实现高维数据下的商业信息评估。该方法针对高维数据下商业信息评估中涉及的不同类型特征进行了专门的改进处理，且实现了评估模型的在线更新。

本发明提供一种基于强化学习的云边融合网络任务卸载方法，包括以下步骤：S1：各个智能设备在当前边缘场景下向本地边缘服务器发送任务请求；S2：本地边缘网关实时感知本地边缘服务器的计算资源，当计算资源不足时，向企业云服务器发送任务卸载请求，由企业云服务器通过强化学习算法确定最优任务卸载策略；S3：本地边缘网关根据最优任务卸载策略获取指定的临近边缘服务器的控制权限，并将任务拆分到对应的临近边缘服务器上辅助执行；S4：各个临近边缘服务器将执行结果回传到本地边缘服务器，由本地边缘服务器汇总形成任务执行结果反馈至发送任务请求的智能设备。其效果是：可以以最短时延和最小计算成本为优化目标，实现卸载策略的优化。

本发明涉及一种理发店员工工作内容智能识别方法，属于机器视觉技术领域，包括以下步骤：S1：采集设备安装位置和安装条件的设置；S2：建立理发员工人脸、顾客人脸标签库，并训练人脸识别模型；S3：建立与物品、工具和人相关的动作标签库，并进行理发店动作行为识别模型训练；S4：利用训练好的人脸识别模型、理发店动作行为识别模型，用于实际理发服务场景进行动作行为识别。构建顾客、员工、动作几个要素的“动作对”行为时序；S5：建立工作内容识别标签，构建工作内容识别的深度神经网络模型，用以确定理发店员工对顾客的服务工作内容。本发明通过理发店员工工作内容智能识别方法，辅助实现理发店有效地智能化管理。

本发明公开了一种改性乳化沥青、制备方法及自修复用途，该乳化沥青由包括如下组分的原料制备得到：3～8重量份含双硫键水性聚氨酯乳液和20～50重量份基质乳化沥青；其中，所述含双硫键水性聚氨酯乳液由包括二官能度聚醚多元醇、三官能度聚醚多元醇、二异氰酸酯和羟基二硫化物反应得到。该改性乳化沥青具有优异的自修复能力和可逆修复特性。

本发明属于计算机视觉领域，涉及一种基于Transformer网络模型的行人重识别方法、装置及计算机设备；所述方法包括获取目标行人图像并预处理，生成标准行人图像；将标准行人图像采用滑动窗口划分为多个具有重叠部分的方形子图像；对各方形子图像经过水平线性投影和垂直线性投影，得到水平特征矩阵和垂直特征矩阵；将其输入到预先训练好的改进Transformer网络模型中，预测得到目标行人图像的识别结果。本发明利用滑动窗口将输入图像划分为多个有重叠部分的正方形小块，突出了遮挡物与行人交界边缘处行人的特征；利用改进的Transformer网络结构，加强了行人特征在各个方向上的关联，提高了行人重识别准确度。