一种基于非对称卷积多层次注意网络的微镜头分割方法

    公开(公告)号:CN117975020B

    公开(公告)日:2024-09-10

    申请号:CN202410257503.0

    申请日:2024-03-07

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于非对称卷积多层次注意网络的微镜头分割方法,用于对光学微镜头的准确姿态识别,且其包括基于光学微透镜所采集得到的数据,建立一个逐像素标记的光学微透镜数据集,并将该光学微透镜数据集命名为单帧微透镜目标数据集;基于单帧微透镜目标数据集,采用非对称卷积多层次注意网络对光学微镜头进行精确分割检测。本发明通过首先建立一个逐像素标记的光学微透镜数据集,并将该光学微透镜数据集命名为单帧微透镜目标数据集(SFMT),以为后续提出的卷积神经网络提供数据支持;然后利用嵌入式多尺度非对称卷积模块(MACM)和多层次注意模块(MIAM),提出了一种非对称卷积多层次注意网络(ACMANet)来实现微镜头的精确分割检测。

    硅光耦合设备及采用深度学习识别芯片加电位置的方法

    公开(公告)号:CN118169806A

    公开(公告)日:2024-06-11

    申请号:CN202410257546.9

    申请日:2024-03-07

    Applicant: 中南大学

    Abstract: 本发明提供了一种硅光耦合设备及采用深度学习识别芯片加电位置的方法,用于对硅光芯片进行耦合封装;硅光耦合设备包括底座、硅光底座料盘、芯片料盘、位移驱动结构、旋转驱动结构、加电探针组件和夹持机构;通过设置位移驱动结构和旋转驱动结构,以对用于夹持芯片的夹持机构进行多维度的调节,从而使其精准夹持及输送,以便于加电探针组件能够对芯片的电极进行精准加电。并通过对硅光耦合设备所采集得到的图像采用深度学习识别芯片加电位置,其通过采用包括有基于神经网络学习的芯片小目标识别算法的分层注意力引导多尺度聚合网络模型对相机所采集得到的红外图像进行芯片小目标分割检测,更精准实现芯片的定位。

    一种基于非对称卷积多层次注意网络的微镜头分割方法

    公开(公告)号:CN117975020A

    公开(公告)日:2024-05-03

    申请号:CN202410257503.0

    申请日:2024-03-07

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于非对称卷积多层次注意网络的微镜头分割方法,用于对光学微镜头的准确姿态识别,且其包括基于光学微透镜所采集得到的数据,建立一个逐像素标记的光学微透镜数据集,并将该光学微透镜数据集命名为单帧微透镜目标数据集;基于单帧微透镜目标数据集,采用非对称卷积多层次注意网络对光学微镜头进行精确分割检测。本发明通过首先建立一个逐像素标记的光学微透镜数据集,并将该光学微透镜数据集命名为单帧微透镜目标数据集(SFMT),以为后续提出的卷积神经网络提供数据支持;然后利用嵌入式多尺度非对称卷积模块(MACM)和多层次注意模块(MIAM),提出了一种非对称卷积多层次注意网络(ACMANet)来实现微镜头的精确分割检测。

Patent Agency Ranking