-
公开(公告)号：CN117766587A
公开(公告)日：2024-03-26
申请号：CN202311840865.4
申请日：2023-12-28
Applicant: 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于功率半导体器件领域，具体涉及一种具有高性能的槽栅SiC MOSFET器件，包括：在漏极欧姆接触电极上依次设置半导体衬底、缓冲层、耐压层以及电流拓展层；在耐压层内设置两个槽，槽内填充有多晶硅栅，两个槽的底部分别设置有电场屏蔽区，两个槽之间交替设置有与电场屏蔽区相连的P型连通区，P型连通区内设置有沟道；在电流拓展层上设置有P型基区；P型连通区上设置有P+重掺杂欧姆接触区；欧姆接触区上方设置有欧姆接触金属和介质隔离层，其顶部设置有源极金属电极；本发明通过在两个槽之间引入交替设置的沟道和P型区，在对槽栅形成强有力的保护的同时，通过引入额外的沟道区域，降低沟道电阻和整体电阻。
-
公开(公告)号：CN117237604A
公开(公告)日：2023-12-15
申请号：CN202311188451.8
申请日：2023-09-14
Applicant: 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明提供的一种目标跟踪方法、装置、计算机设备及存储介质，所述方法包括：基于可视相机和事件相机在同一时刻同一监测点采集图像，分别得到第一搜索图像和第二搜索图像；对第一搜索图像进行脉冲编码得到脉冲序列；对脉冲序列和第二搜索图像分别进行特征提取得到第一脉冲特征和第二脉冲特征；将第一脉冲特征和所述第二脉冲特征进行特征融合得到融合脉冲特征；将所述融合脉冲特征与模板图像对应的目标脉冲特征进行相似度运算；本发明在可视相机和事件相机的双模态目标跟踪的基础上，通过提取可视光图像里的空间信息和事件相机里的时间信息，并将空间信息与时间信息进行特征融合后再与模板图像进行相似度比较，从而提高了目标跟踪精度。
-
公开(公告)号：CN119729235A
公开(公告)日：2025-03-28
申请号：CN202411589847.8
申请日：2024-11-08
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: H04N23/81 , H04N23/10 , H04N23/951 , H04N23/74
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于FPGA的多光谱相机图像自适应矫正方法；该方法包括：在较暗的环境下将激光束从多光谱相机的镜头处射入，多光谱相机中多通道的传感器接收激光束并生成通道图像；对多通道的图像进行初步矫正，得到初步对齐的多通道的图像；对初步对齐的多通道的图像进行裁剪和补齐操作，得到完全对齐后的多通道的图像；将完全对齐后的各通道的图像进行融合并输出显示；本发明提高了多光谱相机出现的匹配精度，且有效降低了整机体积。
-
公开(公告)号：CN118568596A
公开(公告)日：2024-08-30
申请号：CN202410767745.4
申请日：2024-06-14
Applicant: 电子科技大学 , 电子科技大学重庆微电子产业技术研究院
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/0495 , G06N3/0985
Abstract: 本发明属于轨道超偏载检测预警领域，具体为一种基于轻量化网络的超偏载检测方法。本发明在铁轨的每个测区内安装4个剪力传感器和4个压力传感器，通过融合每个测区内8个传感器采集的数据，按照上、下轨道分别融合数据，并将融合的数据传入设计的轻量型神经网络结构训练超参模型，进而提取火车车厢的车轴特征、转向架特征，并组成车厢特征，以计算每个车厢的超偏载结果。本发明中轻量型神经网络的运用可以有效降低误检、漏检等风险，提升了车轴特征的检测的正确性；并提供了车轴特征的去重步骤进一步提升精度；基于此，车厢的检测正确性也将得到极大的提升，最终达到提高火车超偏载检测的精度，降低货运火车因超偏载带来的风险。
-
公开(公告)号：CN117218512A
公开(公告)日：2023-12-12
申请号：CN202311172320.0
申请日：2023-09-11
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06N3/0455 , G06V10/46
Abstract: 本发明提供的一种红外低小慢目标检测方法、计算机设备及存储介质，所述方法包括：构建包含损失函数的红外低小慢目标检测网络；基于训练样本集通过反向传播算法训练所述红外低小慢目标检测网络中的教师网络，并最小化损失函数后得到深层教师网络；基于训练样本集通过反向传播算法训练所述红外低小慢目标检测网络中的学生网络，并基于深层教师网络的输出结果优化所述学生网络，得到目标检测网络；本发明采用知识蒸馏的方式得到的模型在使得模型更小和计算量更少的同时也不损失检测精度，使得在边缘设备上运行高精度、高速的红外低小慢目标检测模型成为可能。
-
Patent Agency Ranking
公开(公告)号：CN115272412B
公开(公告)日：2023-09-26
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06V10/94 , G06T7/246 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
公开(公告)号：CN115659229B
公开(公告)日：2023-03-28
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115659229A
公开(公告)日：2023-01-31
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115272412A
公开(公告)日：2022-11-01
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06T7/246 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
公开(公告)号：CN115267762B
公开(公告)日：2025-04-18
申请号：CN202210928955.8
申请日：2022-08-03
Applicant: 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于机器视觉技术领域，具体涉及一种融合毫米波雷达和视觉传感器的低空慢速小型目标跟踪方法，该方法包括：采用毫米波雷达扫描获取目标信息，并对获取的目标信息进行滤波处理，得到滤波后的目标信息；采用视觉传感器获取光学图像作为搜索图像，将滤波后的目标信息映射到光学图像，然后进行高斯图像生成，得到包含目标位置信息的热力图(Heat Map)；构建孪生网络目标跟踪模型，截取光学图像中具有毫米波雷达标记目标位置的第一帧图像作为模板图像，通过空间注意力机制融合搜索图像和雷达热力图，采用孪生网络目标跟踪模型实现对目标的稳定跟踪；本发明通过融合毫米波雷达和视觉传感器数据来实现可靠的目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.032 seconds)
