-
公开(公告)号:CN115995042A
公开(公告)日:2023-04-21
申请号:CN202310099920.2
申请日:2023-02-09
Applicant: 上海理工大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种视频SAR运动目标检测方法及装置,所述方法包括:将待训练视频SAR进行分帧后分别打标签,通过数据增强的方式扩充数据集;进行初步特征提取,将初步特征提取后的特征输入到BiFPN进行进一步的特征融合提取;将BiFPN输出的浅层特征输入到CA中,输出更关注空间坐标的特征;将BiFPN输出的高层次特征和CA输出的特征进行特征融合后再输入到自适应特征融合模块,自适应特征融合模块对输入的特征进行特征的自适应融合,检测头进行分类与回归;对深度神经网络进行迭代训练,获得最优权重;将待检测视频SAR输入到训练好的深度神经网络,输出检测到的运动目标。本发明可提高视频SAR运动目标的检测效率和正确率。
-
公开(公告)号:CN117805952A
公开(公告)日:2024-04-02
申请号:CN202410019365.2
申请日:2024-01-05
Applicant: 上海理工大学
IPC: G02B5/04 , G01N21/3581 , G01N21/3577
Abstract: 本发明提供了一种太赫兹多次衰减全反射测量棱镜,用于进行太赫兹波衰减全反射检测待测介质,包括:一体成型的三棱柱体与矩形立方体,其中,三棱柱体的两侧四边形面均为通光面,矩形立方体中与通光面围成封闭实体的两侧四边形面以及后表面均为反射面,矩形立方体用于插入待测介质中,矩形立方体完全插入待测介质后,太赫兹波从三棱柱体的一侧通光面垂直耦合进入矩形立方体,经过矩形立方体的反射面进行2N次的全内反射后从三棱柱体的另一侧通光面垂直射出。与传统采用一次全反射设计方案相比,本发明中太赫兹波束穿透深度是其2N倍,具有更高的检测灵敏度,并且在使用时无需搭载样品池,特别适用于搭载在便携式的测量探头上。
-
公开(公告)号:CN117613118A
公开(公告)日:2024-02-27
申请号:CN202311665499.3
申请日:2023-12-06
Applicant: 上海理工大学
IPC: H01L31/0232 , H01L31/119 , H01L31/18
Abstract: 本发明提供了一种新型等离激元辅助的太赫兹探测器及制备方法,新型等离激元辅助的太赫兹探测器包括:衬底,表面设有衬底介质层;栅极,设置在衬底的背面;多个二维材料沟道,排列设置在衬底介质层表面;源极,设置在衬底介质层表面的一端,与二维材料沟道连接;沟道介质层,设置在二维材料沟道和衬底介质层的表面;漏极,设置在沟道介质层的表面中远离源极的一端;多个金属超结构,与漏极连接,设置在沟道介质层上,其中,多个二维材料沟道和多个金属超结构均以长条阵列相对排列设置,且金属超结构在二维材料沟道上的纵向投影与二维材料沟道具有重叠区域。该新型等离激元辅助的太赫兹探测器能够在抑制暗电流的前提下,有效提升开关比和响应率。
-
公开(公告)号:CN119206603A
公开(公告)日:2024-12-27
申请号:CN202411108088.9
申请日:2024-08-13
Applicant: 上海理工大学
IPC: G06V20/52 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/70 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于三分支网络的毫米波图像重叠目标的AI识别方法、系统及模型训练方法,通过解析分支网络、聚合分支网络和预测边界分支网络三个独立分支网络协同工作,解决了低分辨率、相互干扰或相互重叠的毫米波图像中的安检目标检测问题。解析分支网络保存高分辨率特征图中的细节信息;聚合分支网络通过递归融合模块,实现高低分辨率特征图的特征位置偏移对齐;预测边界分支网络提取高频特征,增强目标边缘的感知和预测。多分支网络结构通过分支间的融合,有效实现图像的分割与识别。在提升模型分割性能的同时,该模型显著降低了计算复杂度,并减少了毫米波图像中的检测错误与漏检概率,最终实现了对重叠物体的精准检测。
-
公开(公告)号:CN117930234A
公开(公告)日:2024-04-26
申请号:CN202311459402.3
申请日:2023-11-03
Applicant: 上海理工大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于深度展开网络的稀疏SAR成像与自聚焦方法,其包括:S1建立稀疏SAR的回波信号模型;S2基于稀疏SAR回波信号建立稀疏SAR成像模型;S3基于ADMM算法引入近似观测算子建立近似观测测量模型;S4:联合稀疏自聚焦算法进行误差估计;S5基于估计的相位误差进行误差补偿与图像重建;在此过程中,利用深度展开网络引入可学习参数进行网络模型构建,并基于数据驱动训练优化算法参数与网络模型;S6根据步骤S5得到的网络模型以及算法参数进行基于雷达回波的自适应稀疏SAR图像重建与自聚焦处理。在稀疏采样的情况下进行相位误差的估计和补偿,保证了成像质量,提高了成像效率;基于深度展开网络,引入可学习参数,提高了算法的鲁棒性。
-
公开(公告)号:CN108572166A
公开(公告)日:2018-09-25
申请号:CN201810325469.0
申请日:2018-04-12
Applicant: 上海理工大学
IPC: G01N21/65
Abstract: 本发明涉及一种雨生红球藻类胡萝卜素及虾青素可视化分析方法,采用拉曼光谱仪,获取虾青素标准品和雨生红球藻类待测样本的谱线,利用多元曲线分辨MCR方法并结合交替最小二乘ALS经过数次迭代后解析出待测样本的几种主要成分,将解析出的主要成分光谱与虾青素标准品的拉曼光谱进行对比分析,确定出样本内虾青素的成分,解决了现有检测方法需要对样本进行染色或复杂的化学处理,操作相对繁琐、耗时、耗力的问题。实现了基于拉曼光谱技术的微藻色素分布的化学成像,不需要配制任何溶液以及化学测定,大大简化了操作步骤,缩短了检测时间,也避免了由于操作人员操作不熟练或者主观因素带来的测量结果不准确等后果。
-
-
-
-
-