원래 이름 기록: 中电信人工智能科技（北京）有限公司

本发明提供了一种机器人机构及机器人机构的控制方法，机器人机构包括：静平台；动平台，与静平台间隔设置；多个支链组件，连接在静平台与动平台之间，每个支链组件均包括主动杆和从动杆，主动杆的第一端与静平台枢转连接，从动杆的第一端与主动杆的第二端通过第一球铰结构连接，从动杆的第二端与动平台通过第二球铰结构连接；驱动件，设置在静平台上，驱动件驱动主动杆摆动。本申请的技术方案有效地解决了相关技术中的机器人的腰部结构的可利用工作空间较小的问题。

本发明公开了一种模型部署方法、装置、电子设备及计算机程序产品。该方法包括：获取模型部署设备支持的模型训练参数；依据模型训练参数，在预设语音模型的语音增强流式神经网络中截取语音子模型，语音增强流式神经网络中每个残差模块至少包括：可伸缩线性层、可伸缩注意力机制层和可伸缩归一化层；依据预先配置的样本数据对预设语音模型和语音子模型进行训练，得到基于预设语音模型训练出的目标语音模型，和基于语音子模型训练出的目标语音子模型；为模型部署设备分配目标语音子模型，为云服务器分配目标语音模型。本发明解决了现有技术中语音增强模型难以在不同计算能力的设备上动态适应部署的技术问题。

本申请公开了一种接口测试用例的测试方法及装置、非易失性存储介质。其中，该方法包括：接收结构化格式的接口文档和自然语言格式的测试需求；采用测试用例生成模型对测试需求和接口文档进行处理分析，得到初始接口测试用例集；对初始接口测试用例集进行优化处理，得到目标测试用例集，其中，目标测试用例集覆盖的测试场景的数量多于初始接口测试用例集覆盖的测试场景的数量；并发执行目标测试用例集中记载的多个目标测试用例，以完成测试。本申请解决了由于相关技术中采用的测试用例的生成方法存在的生成测试用例的覆盖场景少，造成的无法满足测试需求的技术问题。

本申请公开了一种数据处理方法、装置及电子设备。其中，该方法包括：获取多个数据平台的离线数据仓库中的历史模型文档对应的知识图谱，其中，知识图谱包含模型文档关键信息的结构化索引以及模型文档之间的依赖关系；获取数据平台上的目标任务在目标时刻的任务运行情况，依据任务运行情况确定数据平台在目标时刻的第一血缘图，其中，第一血缘图用于表示目标任务的数据流转信息；依据知识图谱和第一血缘图对任务运行情况进行分析，得到分析结果；依据分析结果对目标任务的运行配置数据进行优化。本申请解决了相关技术中数据治理方案在不同数据平台的适配性差，需要为不同的平台定制不同的数据处理流程的技术问题。

本发明公开了一种基于前端语义理解的UI设计图分割方法和相关设备，方法包括：获取待分割的UI设计图，对UI设计图进行预处理，得到处理设计图；基于处理设计图，利用预训练的多模态深度神经网络进行特征提取，得到多模态特征；基于多模态特征，对处理设计图进行组件语义分割，得到组件数据；基于原始边界和组件类别，对原子级组件进行规则聚类，构建得到多级语义层级体系；根据多级语义层级体系输出UI设计图分割结果。本发明能够有效实现从原子组件到复合组件的语义化组织，克服了现有方法对复杂UI适应性差、难以捕捉隐含语义的问题，可广泛应用于图像处理技术领域。

本申请公开了一种语音反欺骗检测的方法及装置。其中，该方法包括：获取与待检测音频对应的高维特征，其中，高维特征中包括待检测音频的多尺度鉴别信息；采用嵌套架构对高维特征进行处理，得到目标特征，其中，嵌套架构中包括多层级嵌套残差连接和多尺度特征融合机制，目标特征包括对多尺度鉴别信息进行交互得到的增强特征表示；对目标特征进行反欺骗检测，得到待检测音频对应的检测结果，其中，检测结果包括待检测音频为欺骗音频的概率。本申请解决了相关技术所采用的语音反欺骗检测方法由于引入降维层导致原始特征中的鉴别性信息丢失，从而限制检测性能的技术问题。

本申请公开了一种多模态数据探查方法及装置。其中，该方法包括：获取目标对象输入的第一指令文本，其中，第一指令文本中包括目标对象的至少一个探查任务的任务信息；利用意图识别模型对第一指令文本进行分析，得到目标对象的任务意图；在任务意图为探查多模态数据的情况下，利用预训练的任务规划决策模型对第一指令文本内各个探查任务的任务信息进行分析，得到执行成本最低的目标任务执行策略；依据目标任务执行策略依次调用对应的模型上下文协议服务智能体执行对应的探查任务，并获取各个模型上下文协议服务智能体反馈的探查结果。本申请解决了相关技术采用人工编程和手动配置对多模态数据进行探查的难度高、效率低、准确性差的技术问题。

本申请公开了一种基于自适应视觉推理模型的零部件图像的检测方法和装置。其中，该方法包括：获取零部件图像的初始待测样本，其中，零部件图像的图像内容包括车辆的零部件；对初始待测样本进行缩放处理，得到零部件图像的目标待测样本，其中，目标待测样本的分辨率低于初始待测样本的分辨率；将目标待测样本输入至零部件图像的目标自适应视觉推理模型中进行检测，得到目标待测样本的检测结果，其中，目标自适应视觉推理模型为通过神经网络模型和目标损失函数构建得到，检测结果用于表征目标待测样本对应的零部件的表面所属缺陷类别。本申请解决了零部件图像的检测准确率低的技术问题。

本申请公开了一种图像分类方法、装置及电子设备。该方法包括：获取待分类图像；分别通过双路渐进对齐网络中的视觉定位分支和语义定位分支对待分类图像进行特征提取，得到待分类图像的视觉特征和语义特征，其中，视觉定位分支包括第一跨模态注意力单元，用于将视觉特征与语义特征对齐，语义定位分支包括第二跨模态注意力单元，用于将语义特征与视觉特征对齐；融合视觉特征和语义特征，得到待分类图像的综合特征；对综合特征进行预测，得到待分类图像的图像分类结果。本申请解决了由于相关技术中的零样本图像分类方法存在的语义‑视觉对齐粒度粗、单向对齐局限和属性表征不充分造成的未知类别图像识别精度低的技术问题。

本申请提供了一种基于聚类的人脸识别方法、装置和电子设备，该方法包括：通过预训练的深度卷积网络对人脸图像进行特征提取，得到第一向量，并根据人脸图像确定第一向量对应的质量评分，得到第一分数；计算第一向量与各第二向量之间的第一相似度；根据第一分数和各第二分数之间的偏差确定相似度阈值，将与第一向量之间第一相似度大于或等于对应相似度阈值的第二向量所属的聚类簇确定为第一聚类簇；将第一向量划分至对应第一相似度最大值的第一聚类簇，并根据聚类结果输出身份识别结果。该方法解决了现有技术中由于实时采集的人脸图像质量不稳定导致人脸识别不准确的问题。

本申请公开了一种通信异常检测方法、装置、非易失性存储介质及电子设备。其中，该方法包括：在系统内核中加载检测程序，其中，检测程序用于提取数据包序号，并将数据包序号存放到预设位置中；确定待检测对象对应的协议栈钩子点，并通过协议栈钩子点挂载检测程序；从预设位置读取由检测程序提取的待检测对象的关联数据包序列号；比较关联数据包序列号，并依据比较结果确定是否存在异常通信事件。本申请解决了由于相关技术中采用依靠用户态程序周期性轮询和分析报文来确定是否存在异常通信事件导致的检测时延高、资源消耗大且检测范围有限的技术问题。