-
公开(公告)号:CN103681429A
公开(公告)日:2014-03-26
申请号:CN201310725895.0
申请日:2013-12-25
Applicant: 武汉工程大学
IPC: H01L21/68
CPC classification number: H01L21/68
Abstract: 本发明提供一种芯片固晶机的控制方法及控制系统,获取运动平台的图像,图像中包含晶圆信息;根据图像确定运动平台上的晶圆与被操作对象的位置关系;根据得到的位置关系控制末端执行器运动,使得运动平台上的晶圆运动至其目标位置;控制末端执行器进行固晶。本发明通过视觉引导的方式对固晶机进行控制,具有定位效果好,不会出现机械平台运动出现抖动及定位位置的整体偏移的问题。
-
公开(公告)号:CN118711008B
公开(公告)日:2025-02-28
申请号:CN202410707537.5
申请日:2024-06-03
Applicant: 武汉工程大学
IPC: G06V10/774 , G06V10/764 , G06V10/44 , G06V10/42
Abstract: 本发明公开了一种基于跨窗口自注意力相关网络的图像篡改检测方法,涉及图像识别技术领域,S1:准备数据集:用于模型预训练的篡改图像和真实图像均在MS COCO数据集中选取,用于微调模型的数据集为CASIAv2.0、Columbia和NIST16数据集;S2:设计基于跨窗口自注意力相关的网络结构,包括局部和全局特征提取模块和预测模块;S3:设计损失函数,在步骤S2中提到的网络结构中的局部、全局损失函数和BCE损失函数,将四个尺度上的损失函数相加取平均得到最终的损失函数;S4:将训练图像及其生成的掩码一起输入S2中的网络进行训练,生成图像篡改检测预训练和微调模型并保存;S5:输入待检测图像,利用步骤S4中训练好的图像篡改检测模型进行预测,返回图像篡改检测的结果。
-
公开(公告)号:CN118570577A
公开(公告)日:2024-08-30
申请号:CN202410688340.1
申请日:2024-05-30
Applicant: 武汉工程大学
IPC: G06V10/774 , G06V10/82 , G06V10/75 , G06V10/25 , G06F17/16
Abstract: 本发明提出了一种基于多尺度差异分配策略的三维目标检测方法,涉及3D点云处理领域;具体包括以下步骤,S1、引入稀疏张量和点云体素化操作进行预处理:S2、将步骤S1预处理后的数据送入稀疏神经网络3D‑MSDA,稀疏神经网络包括CNN的骨干网络、颈部和头部;S3、设计多尺度差异分配赋值器,设计包括粗分配和细分配的赋值器策略;S4、计算损失函数,并使用损失函数的网络在相应数据集上进行目标检测。本发明中赋值器使用一组全局参数来分配点云中的点到不同的目标;针对每个尺度,在粗分配的基础上调用多个赋值器,并根据特定尺度的特征图和目标的精细位置信息,进行更细致的分配,在处理具有多尺度或多层次目标的情况下有助于提高三维目标检测的性能。
-
公开(公告)号:CN113420669B
公开(公告)日:2022-05-10
申请号:CN202110701808.2
申请日:2021-06-24
Applicant: 武汉工程大学
IPC: G06V30/416 , G06V10/762 , G06V10/25 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了基于多尺度训练和级联检测的文档版面分析方法和系统,通过把输入的版面图像随机缩放到某个范围尺度的图像,将此尺度的图像输入训练构建好的网络进行特征的提取和融合,根据版面不同元素的属性,设置相应的分割网络分支进行分割识别,使得每张文本图像上的文本、图片、表格、列表、公式得到正确的划分,完成版面分析,实现了同时检测文档图像中的多种类别对象并区分文档图像的目标的功能。本发明提高了检测模型对物体大小的鲁棒性,降低了输入图像缩放操作对模型的影响;采用特征融合模块使模型能够关注图像每个区域的有效特征,忽略无效特征,提高了模型的辨别能力,能更有效地执行文本区域划分任务,增强了特征表达能力。
-
公开(公告)号:CN112418165A
公开(公告)日:2021-02-26
申请号:CN202011430913.9
申请日:2020-12-07
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于改进型级联神经网络的小尺寸目标检测方法,其步骤为读入待测图像;通过预处理增强待测图像,获得增强图像;所述预处理包括尺寸填充、尺寸缩放、随机翻转、灰度值正则化;基于高分辨率表示网络根据增强图像生成由高分辨率到低分辨率若干个特征图组成的多分辨率特征图F1;基于半稠密特征金字塔对F1在各个分辨率上进行特征融合后组合得到增强后的特征图F2;使用后卷积Pi对F2中的层级i进行异化,得到异化特征图F3,i;对于每一个分辨率层级i,基于特征选择免锚框目标检测头根据F3,i生成该层级的检测结果;将检测结果汇总,通过去除重叠的算法筛选检测结果,输出最终检测结果。本发明能够提升卷积网络对小尺寸目标的表征表达性能。
-
公开(公告)号:CN105354841B
公开(公告)日:2019-02-01
申请号:CN201510687565.6
申请日:2015-10-21
Applicant: 武汉工程大学
Abstract: 本发明公开了一种快速遥感影像匹配方法及系统,该方法包括以下步骤:S1、获取基准影像和待匹配影像并对其进行粗匹配,分别对两幅影像构建积分直方图,根据待匹配影像与基准影像积分直方图的相似度确定候选匹配区域;S2、对待匹配影像和候选匹配区域进行精匹配,具体步骤为:S21、在待匹配影像和候选匹配区域中进行特征提取,并构建特征点匹配集合;S22、根据特征点的匹配集合构建概率表达模型和特征点映射的形式化表达;S23、根据最大期望算法剔除误匹配,计算得出精确匹配模型,并通过精确匹配模型得到影像的精确匹配区域。本发明大大缩短了影像匹配的过程,提高了匹配的精度和算法的鲁棒性。
-
公开(公告)号:CN104657718B
公开(公告)日:2018-12-14
申请号:CN201510078423.X
申请日:2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法,该方法包括以下步骤:对原始图像进行预处理;对样本进行主成分分析得到特征脸谱,将图像投影到特征域;然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系;最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点,降低了传统神经网络的参数估计和优化的复杂度,进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号:CN105608006B
公开(公告)日:2018-06-08
申请号:CN201510982321.0
申请日:2015-12-22
Applicant: 武汉工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于概率模型的程序错误检测方法及系统,该方法包括以下步骤:S1、获取概率模型和待检测程序,从待检测程序中提取待检测的函数调用序列集合;S2、获取单个待检测的函数调用序列,求解最相似的函数调用序列集合,并计算联合概率;S3、根据相似集合对该待检测序列进行检测并生成修复方案;S4、完成该待检测序列的检测和修复后,记录检测到的各个错误信息及修复方案;S5、对待检测集合中的所有待检测序列检测完毕后,输出程序错误报告。本发明无需处理概率模型转换到确定性模型时的阈值选择问题,能够快速的检测程序中的错误,且检测准确率高。
-
公开(公告)号:CN107507223A
公开(公告)日:2017-12-22
申请号:CN201710632021.9
申请日:2017-07-28
Applicant: 武汉工程大学
CPC classification number: G06T7/246 , G06K9/6211 , G06K9/6223 , G06T5/002 , G06T7/11 , G06T7/136 , G06T7/194 , G06T7/251 , G06T2207/10016 , G06T2207/20024
Abstract: 本发明公开了一种动态环境下基于多特征聚类匹配的目标跟踪方法,该跟踪方法在动态环境下采用结合三帧差分法和背景差分法为自适应目标检测方法,为跟踪系统设计一个独立的前景检测模块,能够最大限度的提取出目标,也能对噪声的抵抗性较强,并结合特征聚类方法并进行消除错误匹配的特征点完成匹配跟踪。
-
公开(公告)号:CN104932865B
公开(公告)日:2017-10-10
申请号:CN201510405107.9
申请日:2015-07-10
Applicant: 武汉工程大学
Abstract: 本发明公开了一种组件协议挖掘方法、装置及系统,该方法包括:发送开始插桩指令至所述N个客户端,所述开始插桩指令中携带有需要挖掘的类的M个函数的函数标识,M为大于1的整数;接收所述N个客户端发送的所述M个函数的函数调用信息;所述函数调用信息是所述N个客户端基于所述开始插桩指令收集的信息;根据所述函数调用信息更新所述服务器中存储的所述类的组件协议。本发明提供的方法、装置及系统用以解决现有技术中的组件协议挖掘方法存在的人力耗费大和挖掘效率低的技术问题。实现了降低数据获取人力成本,提高组件协议挖掘效率的技术效果。
-
-
-
-
-
-
-
-
-