-
公开(公告)号：CN119205787B
公开(公告)日：2025-03-14
申请号：CN202411729956.5
申请日：2024-11-29
Applicant: 东北大学
Abstract: 本发明提供了基于多模态大模型的芯片陶瓷封装基板表面缺陷检测方法，涉及陶瓷芯片表面缺陷技术领域，通过多模态数据融合和跨域知识迁移来实现芯片陶瓷封装基板表面缺陷的图像和文本数据融合，综合使用相似度和分割损失函数进行约束优化，实现对不同产品类型封装基板表面缺陷的高效准确检测，进一步提升检测方法在不同场景下的泛化性和鲁棒性，并结合视觉文本提示词，形成完整的缺陷分析报告。
-
公开(公告)号：CN117516485B
公开(公告)日：2024-03-22
申请号：CN202410011595.4
申请日：2024-01-04
Applicant: 东北大学
Abstract: 本发明设计一种飞机发动机自动引导安装的位姿视觉测量方法，属于发动机安装视觉测量技术领域；首先基于CCD摄像机建立飞机发动机视觉坐标系，并进行转换，得到飞机发动机在各个坐标系之间的转换关系；然后基于此，对发动机标靶视图进行对正变换，在经过旋转对称和径向对称后，得到标靶各点像素信息的对应矩阵；最后标定摄像机参数，得到摄像机相对于发动机世界坐标系的方位，结合坐标转换关系从而得到飞机发动机位姿；本发明通过视觉测量精确地测量发动机在安装过程中的位置和姿态，能够实时判断安装过程中飞机发动机是否偏离了安装轨迹，减少了人工测量带来的误差；实现了对飞机发动机位置和姿态的精确测量，提高了安装定位精度。
-
公开(公告)号：CN117474928A
公开(公告)日：2024-01-30
申请号：CN202311829427.8
申请日：2023-12-28
Applicant: 东北大学
IPC: G06T7/00 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于元学习模型的陶瓷封装基板表面缺陷检测方法，涉及陶瓷芯片表面缺陷技术领域，本发明采集陶瓷封装基板图像，对陶瓷封装基板图像进行预处理，并将预处理之后的图像数据划分为支持集和查询集元组；针对支持集和查询集元组，采用骨干网络进行陶瓷封装基板图像的特征提取；对获取到的陶瓷封装基板图像特征，进行支持集和查询集的低秩矩阵重建：经过矩阵分解得到的支持集和查询集的低秩矩阵，然后通过全局平均池化以获取空间分辨率下的特征统计信息：采用元学习范式进行训练，实现芯片陶瓷封装基板表面缺陷检测。
-
公开(公告)号：CN116188929A
公开(公告)日：2023-05-30
申请号：CN202310115681.5
申请日：2023-02-14
Applicant: 东北大学
IPC: G06V10/80 , G06V10/82 , G06V10/40 , G06V10/766 , G06V10/764 , G06V20/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明申请属于计算机技术领域，具体涉及一种小目标检测方法、小目标检测系统。其中的小目标检测方法包括：使用注意力机制调整相邻两层特征图中上层特征图的融合比例，得到融合特征图；基于所述融合特征图进行小目标检测，得到小目标检测结果。本申请的检测方法通过在特征融合的过程中使用注意力调整上层特征图的融合比例，筛选出适合小目标所在位置的语义特征，大幅提升了小目标检测的精度。
-
公开(公告)号：CN116151439A
公开(公告)日：2023-05-23
申请号：CN202310048576.4
申请日：2023-01-31
Applicant: 东北大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/26 , G06F16/2455 , G06F16/245 , G06F16/2457 , G06F16/29
Abstract: 本发明涉及一种在城市中选址救灾物资储备站的方法，所述方法包括：S1、输入待选择救灾物资储备站的城市的相关数据；S2、基于所述待选择救灾物资储备站的城市的相关数据，获取数据特征；所述数据特征包括：人口分布特征、城市道路网络结构特征、市内基础设施空间位置信息特征、地理信息特征、城市POI数据特征；S3、基于所述数据特征、预先设定的选址模型和预先设定规则，筛选所述城市中最优的区域作为该城市的救灾物资储备站。
-
Patent Agency Ranking
公开(公告)号：CN114297529A
公开(公告)日：2022-04-08
申请号：CN202111629230.0
申请日：2021-12-28
Applicant: 东北大学
IPC: G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于空间注意力网络的移动集群轨迹预测方法，涉及轨迹预测技术领域。基于空间注意力网络的移动集群轨迹预测方法，从时间和空间两方面研究所有作战单元中各实体的轨迹和相互作用。对于空间层面，通过空间LSTM获取周围作战实体的运动状态，提取描述局部空间特征的向量，用于捕捉作战实体之间的交互作用。之后以空间特征向量作为注意力模块的输入，计算不同周围作战实体运动模式对作战实体轨迹的影响程度。然后利用注意力LSTM得到周围作战实体的运动特征。对于时间层面，将周围作战实体的运动特征和目标作战实体的状态作为时间LSTM的输入来描述作战实体轨迹随时间的变化。
-
公开(公告)号：CN112579922B
公开(公告)日：2021-12-14
申请号：CN202011552954.5
申请日：2020-12-24
Applicant: 东北大学
IPC: G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于用户轨迹的兴趣点推荐方法，首先收集用户轨迹数据，并删除原始数据集中的乒乓数据和漂移数据以降低噪声数据对推荐方法准确度的影响，然后提取不同区域内的属性特征，统计POI所在位置的周边人流量数据以及上、下行人流量数据，构建训练样本集，最后联合Wide模型和Deep CNN模型设计模型Wide&Deep CNN，利用模型Wide&Deep CNN对待监测地区内待推荐的POI进行评分值的预测，本发明充分利用用户轨迹数据构建训练样本集，基于神经网络模型生成不同类型POI的评分指，进而根据评分值生成POI列表。该方法深入挖掘移动大数据中蕴藏的时空信息，分析大众的需求，更好的解决了兴趣点推荐问题。
-
公开(公告)号：CN112541130B
公开(公告)日：2021-10-29
申请号：CN202011416256.2
申请日：2020-12-07
Applicant: 东北大学
IPC: G06F16/9536 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于深度交叉特征融合的推荐方法及装置，属于推荐系统协同过滤领域。输入初始数据后，对初始数据进行转换、稠密化、扩展和拼接处理后得到用户特征向量栈和项目特征向量栈；通过计算用户特征向量栈中用户的每个特征与项目特征向量栈中项目的每个特征之间的影响关系，将用户特征与项目特征做细粒度的融合，得到最终的用户嵌入向量和项目嵌入向量，再对这两个向量做内积，得到目标用户对该项目产生交互的预测分数，根据预测分数值为目标用户做出个性化推荐。通过将用户特征与项目特征融合，深度挖掘用户特征与项目特征之间的潜在关系，更加细粒度地考虑了用户和项目之间双向的影响关系，最终为目标用户提供个性化推荐。
-
公开(公告)号：CN110096156B
公开(公告)日：2021-06-15
申请号：CN201910395740.2
申请日：2019-05-13
Applicant: 东北大学
Abstract: 本发明提出了基于2D图像的虚拟换装方法，属于计算机视觉领域。该方法采用首先生成用户穿着目标服装的分割图，来清晰地划分用户的肢体和服装的范围；接下来使用该新生成的分割图来引导合成最终图像，避免了服装和肢体两部分互相争抢而出现缺失的现象，进而得到更好的合成效果。相比于传统的3D虚拟换装方法，该方法具有更广泛的应用场景。
-
公开(公告)号：CN112579922A
公开(公告)日：2021-03-30
申请号：CN202011552954.5
申请日：2020-12-24
Applicant: 东北大学
IPC: G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于用户轨迹的兴趣点推荐方法，首先收集用户轨迹数据，并删除原始数据集中的乒乓数据和漂移数据以降低噪声数据对推荐方法准确度的影响，然后提取不同区域内的属性特征，统计POI所在位置的周边人流量数据以及上、下行人流量数据，构建训练样本集，最后联合Wide模型和Deep CNN模型设计模型Wide&Deep CNN，利用模型Wide&Deep CNN对待监测地区内待推荐的POI进行评分值的预测，本发明充分利用用户轨迹数据构建训练样本集，基于神经网络模型生成不同类型POI的评分指，进而根据评分值生成POI列表。该方法深入挖掘移动大数据中蕴藏的时空信息，分析大众的需求，更好的解决了兴趣点推荐问题。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.057 seconds)
