一种基于KAN网络的情绪预测方法、系统和存储介质

    公开(公告)号:CN119810511A

    公开(公告)日:2025-04-11

    申请号:CN202411840437.6

    申请日:2024-12-13

    Applicant: 无锡学院

    Abstract: 本发明涉及图像预测技术领域,公开了一种基于KAN网络的情绪预测方法、系统和存储介质,方法包括:采集数据集,并对数据集进行预处理;构建基于KAN网络的情绪预测模型,使用训练集训练情绪预测模型,训练过程中使用交叉熵损失函数调整情绪预测模型的参数,获得训练好的情绪预测模型;使用验证集评估训练好的情绪预测模型的性能;将待预测的图像输入训练好的情绪预测模型,输出情绪预测结果。本发明通过使用Kolmogorov‑Arnold网络代替传统的多层感知器进行图像情感分析,KAN网络在处理复杂关系和逻辑推理方面具有显著优势,能够提高情感预测的准确率,还通过结合网络数据收集和文本生成图片模型来获取训练数据,有效降低人工标注的工作量。

    一种基于轻量化多尺度晶圆缺陷检测模型的晶圆缺陷检测方法及系统

    公开(公告)号:CN119810063A

    公开(公告)日:2025-04-11

    申请号:CN202411886913.8

    申请日:2024-12-20

    Applicant: 无锡学院

    Abstract: 本发明提供一种基于轻量化多尺度晶圆缺陷检测模型的晶圆缺陷检测方法,首先,获取待检测晶圆图像并进行预处理;接着,构建并训练轻量化多尺度晶圆缺陷检测模型;所述轻量化多尺度晶圆缺陷检测模型包括:用于初次晶圆图像特征提取的轻量化Stem‑Dense特征提取模块、在初次晶圆图像特征提取的基础上进行多尺度特征提取,并与初次晶圆图像特征融合的多尺度特征提取融合模块、用于再次特征提取的CNN特征提取模块和缺陷分类模块;最后,将步骤S1进行预处理后的待检测晶圆图像输入至训练好的轻量化多尺度晶圆缺陷检测模型,进行晶圆缺陷检测。本发明提高了晶圆缺陷检测的效率和对晶圆缺陷类型分类的准确率。

    一种基于图像分析的芯片检测系统及方法

    公开(公告)号:CN119540191A

    公开(公告)日:2025-02-28

    申请号:CN202411639882.6

    申请日:2024-11-18

    Abstract: 本发明公开了一种基于图像分析的芯片检测系统及方法,涉及芯片加工检测技术领域,本发明能实现对加工后检测出现质量问题的芯片进行问题工序的溯源,具体是对有可能导致该缺陷问题产生的加工工序进行溯源定位,同时本申请在进行问题工序溯源的同时,考虑了在实际加工作业过程中,存在多个加工工序先后对同一个作业区域在加工内容上的叠加,规避掉在传统做法中,武断地对当下检测出现缺陷问题的加工工序判断存在加工缺陷,本申请能有效提高加工芯片的良率,同时能有效的提高在对芯片加工过程中出现的质量缺陷问题的溯源精确性。

    基于MCA注意力机制高效网络的遥感图像场景分类方法

    公开(公告)号:CN118918372A

    公开(公告)日:2024-11-08

    申请号:CN202410971507.5

    申请日:2024-07-19

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于MCA注意力机制高效网络的遥感图像场景分类方法,该方法包括:获取遥感图像数据集并按比例划分为训练样本和测试样本;对遥感图像数据集进行预处理;构建MCA注意力模块;构建MCA‑EfficientNet B0网络模型;在MCA‑EfficientNet B0中加载ImageNet1K数据集上的预训练权重,然后将训练样本输入到网络模型中,通过反向传播算法不断优化带权重的交叉熵损失函数,调整网络参数,最后得到训练好的网络模型;将测试样本输入到训练好的网络模型中,得到遥感图像场景分类结果;与传统方法相比,本发明保持了较低的参数量和计算量,同时有着较好的遥感图像场景分类准确率。

    一种面向无人机视角的交通跟踪检测系统

    公开(公告)号:CN118918148A

    公开(公告)日:2024-11-08

    申请号:CN202411411710.3

    申请日:2024-10-11

    Applicant: 无锡学院

    Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域,具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块;目标检测模块:对视频帧图片进行处理,得出跟踪目标对应的检测框和每个检测框对应的置信度得分;目标运动轨迹匹配模块:根据置信度得分对检测框进行划分,划分后将检测框与预测轨迹进行匹配;目标运动轨迹输出模块:当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后,将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。

    一种基于XGBoost的降尺度积雪深度反演方法

    公开(公告)号:CN118446092A

    公开(公告)日:2024-08-06

    申请号:CN202410535294.1

    申请日:2024-04-30

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于XGBoost的降尺度积雪深度反演方法,属于积雪深度监测技术领域。其方法包括:Step1:获取待反演区域的输入数据;Step2:对获取的数据进行预处理;Step3:根据站点的经纬度开展数据匹配,得到站点对应的亮温数据、积雪深度数据和辅助特征数据;Step4:进行参数筛选;Step5:输入机器学习积雪深度反演模型训练;Step6:对最优模型进行不同雪深下的模型精度验证;Step7:获得所述最优模型的特征重要性排序;Step8:进行500米空间分辨率的积雪深度制图。本发明使用XGBoost算法可以更好地学习到积雪深度与特征之间复杂的非线性关系,提高了雪深监测的能力。

Patent Agency Ranking