本发明涉及医学图像处理与计算机视觉领域，具体涉及一种基于局部注意力机制的三维牙齿模型网格分割方法，包括：采用训练好的三维牙齿模型分割网络对三维牙齿模型中的每一个三角形网格进行判断分类，确定每一个三角形网格所在的区域属于牙龈还是某一颗牙齿，准确找到三维牙齿模型中每颗牙齿所在的完整区域，从而对三维牙齿模型进行准确分割。本发明能够有效提高牙齿边缘以及相邻牙齿等低特征识别度区域的分割准确率。

本发明属于图像处理与计算机视觉技术领域，涉及一种快速适应新场景的教室姿态检测模型参数训练方法及装置，所述方法包括：将教室姿态检测模型的参数进行随机初始化；将教室姿态检测数据集按场景划分为小目标数据集；随机选取其中n个小目标数据集，复制模型参数并在各个小目标数据集的训练集上进行训练并在对应测试集上测得损失，并计算各个小目标数据集损失的平均值；将平均值用作是模型参数的教室姿态检测模型的损失，利用该损失对模型参数进行梯度下降，得到新的模型参数；本发明能有效减少人工标注成本，在进一步训练后得到模型参数下的检测结果相对于在训练集上的所有图片进行训练的传统训练方法得到的模型更为准确。

本发明涉及计算机领域，尤其涉及一种基于动态模糊聚类和灰色神经网络的网络安全预测方法，包括将网络入侵攻击类型的每个数据类型视为一个种群，对种群进行初始化并采用实数编码对种群进行编码；使用自适应方法对交叉算子和变异算子进行处理；使用基于动态模糊聚类优化后的自适应遗传算法对初始权值分布进行粗略调整优化；计算种群的个体适应度函数；本发明具有良好的容错性和稳定性。

本发明属于图像处理与计算机视觉技术领域，涉及一种基于特征解耦的红外和可见光图像检索方法；所述检索方法包括利用特征解耦法，将专属于红外图像模态的热度特征和专属于可见光图像模态的光照特征作为模态的属性特征剥离；将配对后的红外图像和可见光图像的属性特征进行交换并重建出图像，训练这个过程得到红外图像和可见光图像之间相似的一致性特征；并利用三重损失减小跨模态差异，拉近配对图像之间的距离，拉开不配对图像之间的距离，提升检索精度；输入未配对的红外图像和可见光图像，输出红外图像以及可见光图像的一致性特征；计算出红外图像和可见光图像一致性特征之间的相似度距离，根据相似度距离从小到大排序得到图像检索结果。

本发明涉及基于多尺度特征的教室人体姿态实时检测方法，属于图像处理与计算机视觉技术领域；所述方法包括基于单阶段目标检测的SSD网络，将教室图像通过分块处理进行数据增强，通过VGG‑16网络提取图像的基础特征，并采用RFB模块提取级联的多尺度特征图；通过多尺度特征增强分支，将原图下采样且送入到多尺度特征增强模块学习多尺度信息，并通过点乘的方式与级联的多尺度特征图进行融合；通过特征自适应融合模块将浅层的细粒度特征与高层语义特征进行互补融合，以提升网络对相似姿态类别的鉴别能力，最后将自适应融合后的特征图进行分类和回归；在保证实时的前提下，解决了在人体密度较大，遮挡较为严重的教室场景的人体姿态检测问题。

本发明公开了一种边坡绿化系统，包括防护网、固土板和监测装置；防护网覆盖在边坡土体的表面，若干固土板依次紧邻铺设在防护网的上方，固土板上设有横向贯穿其中的过线孔；监测装置包括拉绳、拉力传感器和拉杆；拉绳依次穿过同一横排的若干所述固土板，铺设成排的所述固土板的两端分别设有一个拉杆，所述拉绳的两端分别通过拉力传感器与所述拉杆连接。通过在防护网的上方增加固土板对边坡土体进行覆盖固定，并使拉绳依次穿过同一横排的若干所述固土板，然后使拉绳的两端分别通过传感器与拉杆固定连接，可通过拉力传感器实时采集拉绳的拉力，监测人员可根据拉力传感器采集的到数据判断故土板是否有滑动，从而进一步判断边坡土体是否有存在滑坡。

本发明属于计算机视觉技术领域，具体涉及一种基于特征变换的三维CBCT牙齿图像的分割方法，该方法包括：实时获取CBCT图像数据，并对该数据进行预处理；将预处理后的CBCT图像数据输入到训练好的CBCT图像牙齿分割模型中进行分割处理；对分割结果进行评估分析；CBCT图像牙齿分割模型为改进的3D卷积神经网络，改进的3D卷积神经网络包括编码器、空间变换模块STM、类别变换模块CTM、特征融合模块、解码器以及输出层；本发明采用一种结合了空间特征变换和类别特征变换模块的3D卷积神经网络模型，结合了空间全局信息和类别全局信息，有效的提升了分割效果并改善了分类结果。

本发明属于区块链领域，尤其涉及一种基于区块链和用户信用度的数据共享访问控制方法，包括用户在区块链进行注册并将加密数据存储到IPFS星际文献系统上，成功上传后更新此用户信用度指标值；用户根据上传的数据制定该数据对应的访问策略；其他用户申请数据时，若未通过访问控制策略则更新用户信用度指标值，并进行用户信用度指标值和指标权重的运算，更新此时用户的信用度值将当次越权访问时间和最终用户信用度值存储到智能合约里的用户实时信用度数组中；通过访问控制策略判断的用户B通过智能合约创建数据D的访问申请消息；根据用户B当前的信用度值和申请信息，确认是否赋予用户B数据D的访问权限；本发明可实现数据安全高效共享。

本发明涉及基于SPZN的智能网联汽车系统随机事件预测方法，属于无人驾驶、预测和控制策略领域；通过将Z语言形式化描述和SPN模型融合成为新的SPZN模型来实现功能，能够有效的解决SPN网因节点设备众多而带来的状态爆炸问题和Z框架动态能力和实时性不足的问题；结合通信实时获取汽车电子控制单元信息并依据相关交通规则，建立的智能网联汽车系统的SPZN形式化模型，能够实现多源异构复杂环境下的智能网联汽车系统针对随机事件的预防，提升智能网联汽车行驶的安全性和可靠性，同时，基于深度学习的相关约束规则参数调整能够更加准确的选择对应策略。

本发明涉及一种基于改进的深度学习算法模型的睡眠信号自动分期方法，属于信号处理和模式识别领域。该方法包括：S1：获取原始睡眠数据；S2：数据预处理；S3：构建改进的深度学习算法模型，包括实例特征学习模块、序列特征学习模块和注意力机制加工模块；并利用改进的深度学习算法模型提取睡眠分期所需的特征信息；S4：利用分类器对提取的特征信息进行分类。本发明解决了睡眠自动分期过程的信号预处理降噪，避免了繁杂的特征工程，同时能够获取睡眠数据中的时间序列特征。