AICheck图像智能处理平台是企业级一站式AI服务平台，集数据采集、在线样本标注、一键模型训练、任务管理、在线检测和结果输出于一体，使企业可以快速应用海量的成熟算法，降低AI算法应用与管理成本，实现端到端服务。核心技术涉及人工智能、2D/3D视觉和云计算，核心功能包括目标识别、OCR识别、瑕疵检测和目标测量。

Ø 基于内容的图像检索是近年来兴起的新技术，与传统的基于文字的检索相比，其直观、高效、通用等特点，受到了越来越多的重视。基于内容的图像检索的基本思想是通过分析图像的视觉特征和上下文联系来进行检索。通常图像的特征分为低层物理特征（如：颜色、纹理、形状、轮廓、图像内容的空间关系等）和高层语义特征（是人们对图像内容概念级的反映，一般是对图像内容的文字性描述）。基于内容的图像检索突破了传统的基于关键字的表达方式检索局限，直接对图像内容进行分析和特征提取，利用这些描述图像内容的特征建立索引。目前已经

（一）项目背景 本项目源自公共安全部门、社会企业等实际技术需求，已具备前期实际应用经验。 数字图像是现今世界信息的主要载体，人脸数字图像由于能够体现个人的鲜明身份信息，又是数字图像中的最重要组成部分。然而，由于采集手段不同、成像方式各异，人脸图像的表现形态具有很大的差异。跨域人脸图像重建技术旨在将人脸数字图像在不同的人脸图像表现形态中相互重建、转换，例如人脸素描画像与人脸照片的转换重建、人脸照片与人脸剪纸图像的转换重建等。该技术在当今社会中存在很大的需求。目前在公安部门中广泛应用的人脸识别技术在正常条件下的识别没有问题，但是当目标人物躲避监控，或用衣帽口罩遮挡，使得摄像头无法捕获目标人物的人脸图像时，一般的人脸识别技术无法进行识别。跨域人脸图像重建的照片合成功能可将画家在目击者配合下绘制的模拟素描画像转化为计算机可识别的人脸照片，从而可以在身份证数据库中进行比对识别，协助侦查人员缩小目标人物的搜索范围。在以往，具有艺术特色的肖像是需要耗时的手工劳动制作的，例如非物质文化遗产中的肖像剪纸。跨域人脸图像重建技术能够通过计算机自动的将人脸照片重建为肖像剪纸图像，解放生产力。 （二）项目简介 本项目提供一种应用于具有人脸图像模态转换需求的公共安全部门和社会企业的跨域人脸图像重建技术，包括人脸检测、人脸对齐与预处理、跨域人脸图像重建模型训练以及跨域人脸图像重建模型应用。跨域人脸图像重建技术突破了当前人脸图像重建转换的技术瓶颈，可以使用计算机自动地将人脸图像由一种模态重建为其它模态，并保持重建图像的人脸内容身份信息不变，重建图像人脸识别率可达 95% 以上，模态相似度高于 80%。该技术应用广泛，解决很多部门行业的实际需求，解放手工劳动生产力，是人工智能应用并促进社会发展的主要趋势。 图2  应用示例 （三）关键技术 该项目通过跨域人脸图像重建技术，实现人脸图像的跨域转换重建，可解决公共安全部门和社会企业存在的一些实际需求： 1. 改变当前固有模式。现有模式采用手工 PS 或手工绘制方式来实现人脸图像的模态转换，既需要丰富的经验，又耗时耗力。跨域人脸图像重建技术通过计算机，实现人脸图像的自动化跨域重建，解放生产力。  2. 跨域人脸图像重建技术中的人脸检测模块能够自动检测出图像中的人脸区域，实现人脸的快速定位。  3. 跨域人脸图像重建技术中的人脸对齐与预处理模块能够对检测出的人脸区域进行自动化对齐、裁剪，实现自动化肖像提取。  4. 跨域人脸图像重建技术中的跨域人脸图像重建模型训练模块使用深度学习与生成对抗网络技术，以数据驱动的方式学习不同人脸图像域之间的映射模型，能够适用于不同的跨域人脸图像重建任务，具有很强的通用性。  5. 跨域人脸图像重建技术中的跨域人脸图像重建模型应用模块将训练好的模型应用于具体任务场景，且具有快速合成与精细合成两种模式，可根据实际需求进行模式选择。

本发明公开了一种基于图像分层增强的图像去雾方法及系统，方法包括以下步骤：S1、估测原始图像的大气光值 A；S2、结合所述大气光值构造两层半逆图像，对两层半逆图像进行线性对比度增强；S3、计算原始图像和增强后的半逆图像在 CIE-LCH 空间 H 通道的绝对差值，根据所述绝对差值确定增强后的半逆图像的权值分布，根据所述权值分布将两层增强后的半逆图像进行融合；S4、对融合后的图像进一步线性增强，获得最终的对比度增强的去雾

为推动合成孔径雷达(SyntheticApertureRadar，SAR)目标识别等前沿技术发展，安徽大学电子信息工程学院陈杰及黄志祥教授团队联合中国电子科技集团公司第三十八研究所对地观测研发中心邬伯才研究员团队、天地信息网络研究院（安徽）有限公司盛磊研究员团队共同发布一套大规模多类SAR目标检测数据集-1.0（简称为：MSAR-1.0）。

通过采用两个不同光学放大倍率图像采集系统，进行巧妙的光路切换，实现了针对检测对象变换图像分辨率的要求，有效解决了高密度PCB检测速度和微小元件检测准确度的矛盾，破解了长期困扰自动光学检测技术领域共性技术难题；应用企业已累计生产销售682台套，用户已达到300多家，部分产品出口到了欧盟、东南亚等国家和地区，打破了相关高端设备一直被国外设备垄断的局面，有效促进了行业的技术进步。

本发明涉及的是基于多目标优化的频谱池干扰抑制方法,这种基于多目标优化的频谱池干扰抑制方法为:步骤一,在频谱池中,确定影响授权用户的平均ICI能量;步骤二,获得认知用户第

本实用新型公开了一种基于数字广播的低空目标多点定位系统，包括一个发射站，至少三个接收站 和一个信号处理的主站。接收站由天线、射频前端组成。天线采用细直天线。信号经过该射频前端的放 大滤波后，利用光纤链路送入信号处理的主站。所述信号处理的主站包括采样器和信号处理机，采样器 将信号送入 AD 进行带通采样得到数字信号，信号处理机利用计算机进行数字信号处理，在计算机中显 示目标定位跟踪结果。本实用新型采用先进的多站时差定位技术，利用三个或者多个接收站，测量出同 一信号到达各接收站的时间差，确定多个定位曲面相交，得到目标的位置。利用不同平台定位曲面之间 差异较大的特点来定位和提高定位精度，具有速度快、精度高的优点。

多目标模拟器主要用于麦克风阵列、声纳、雷达等探测设备的目标回 波电连接模拟。该设备主要完成目标信号生成、阵元时延叠加以及信号 同步产生等任务。可产生多个主动和被动目标的回波，回波波形包括连 续波、线性调频波、脉冲调制波以及自定义波形，可叠加背景噪声、混 响、目标辐射噪声等信号，同时各通道相位、幅度、信噪比可根据需要 进行设置。本设备具有很高的同步输出时延精度，连续可变的信噪比， 极高的输出电压分辨率和输出电压精度，同时系统还具有实时数据处理 能力，满足半实物仿真需求。

1. 痛点问题 场景、目标对象的感知与语义理解在医疗健康、运动培训等领域具有广阔的应用前景，其核心是如何在像素级、对象级、场景级多层次、多尺度表示下实现语义、几何及空间关系的透彻感知。 现有计算机视觉方法或激光雷达等手段无法同时获取多个维度的高质量场景与目标信息，同时现有的深度估计、语义分割、位姿估计等相关技术，存在识别精度低、提取不到关键信息、应用场景单一等问题，无法满足大尺度场景应用的需求。 2. 解决方案 团队提出多模态采集、时空复用编码摄像方法，获取大景深、高时空分辨、丰富的精确场景视觉信息；提出一种基于物理空间推理和语义关联建模的动态场景深度估计方法，综合语义信息、几何结构信息以及时空间信息进行滤波，实现复杂动态场景的无先验深度估计，将观测目标与背景进行区分；提出一套从图像和视频中预测目标的位置和姿态的方法，包括迭代匹配的深度网络、基于物体三维坐标的旋转/平移解耦、自监督6D模型等，克服了遮挡、光照变化、视觉歧义与数据标注依赖等因素的影响，可以准确估计目标相对相机的 6D 位姿（3D平移量和3D旋转量）；构建了基于全卷积网络和兴趣区域的多目标实例检测与分割框架，有效的解决了复杂类别、场景遮挡情况下的多目标实例分割问题，能够实现同时对场景中多个目标检测与分析。 合作需求 寻求医疗健康服务、医疗器械等领域有相关技术开发、市场推广经验，能推广本技术落地的高科技企业，可以进行深度合作。