-
公开(公告)号:CN119169344B
公开(公告)日:2025-04-22
申请号:CN202411145247.2
申请日:2024-08-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于降低空间和通道特征冗余的可微分神经架构搜索方法,该方法包括首先定义搜索空间,在该搜索空间中寻找最优的神经网络架构;设计空间特征重构模块来消除空间特征冗余;使用自适应通道注意力模块通过快速一维卷积提取每个通道的重要性,根据计算出的注意力权重用于指导通道的去向;其中,注意力权重较高的通道被发送到操作空间,而其他通道则直接与操作空间的输出接触,以平衡信息保留和计算效率;将搜索到的最佳网络架构单元进行堆叠,重新构建并训练神经网络模型,进而实现图像的分类任务。本发明在轻量级、高效性、动态通道选择、信息保留与计算效率平衡、易于扩展与泛化以及提升图像分类性能等方面均展现出显著的优势。
-
公开(公告)号:CN119540241A
公开(公告)日:2025-02-28
申请号:CN202510103929.5
申请日:2025-01-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06T3/4007 , G06T7/33 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0499
Abstract: 本发明涉及基于深度学习的多模态印刷电路板缺陷检测方法、装置及存储介质,所述的方法包括采集三维点云数据和二维图像数据,并分别对三维点云数据和二维图像数据进行配准、对齐和预处理;将三维点云数据输入到双视图融合模块,映射生成鸟瞰图BV和前视图FV,分别对鸟瞰图BV和前视图FV进行一次特征提取和插值,最后融合得到多视图融合特征信息;将多视图融合特征信息和二维图像数据多次重复输入到注意力模块,生成融合特征;将融合特征输入检测模块,输出缺陷种类和边界框的预测结果。通过一种基于双向跨模态特征传递的目标检测方法,来解决印刷电路板上小目标缺陷信息在提取过程中容易丢失的问题。
-
公开(公告)号:CN119891564A
公开(公告)日:2025-04-25
申请号:CN202510386685.6
申请日:2025-03-31
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H02J13/00 , H02J1/10 , H04L67/12 , G06F30/20 , G06F30/18 , G06F113/04 , G06F119/14
Abstract: 本发明提出了一种直流微电网运行状况的数字孪生监测系统,涉及微电网监测技术领域,包括:物理层、数字层与服务层、通信连接层和数据层;物理层为微电网实物平台;数字层与服务层,以Unity平台为主体,通过数字孪生技术对微电网实物平台进行物理建模,得到微电网物理模型,将微电网物理模型作为数字孪生体映射到数字空间中,实时监测微电网实物平台的数据;数据层,利用Stm32微控制板计算微电网实物平台的电压电流的控制量;通信连接层通过CAN总线连接微电网实物平台与数据层中的Stm32微控制板,通过串口线连接Stm32微控制板与Unity平台。
-
公开(公告)号:CN117236193A
公开(公告)日:2023-12-15
申请号:CN202311418940.8
申请日:2023-10-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06F119/04
Abstract: 本发明公开了一种基于Transformer网络的离子磨机剩余使用寿命预测方法,涉及半导体制造技术领域,首先,利用特征压缩‑激发模块重新校准原始时间序列数据的权重,从而能够从不同的传感器数据中提取到与离子磨机剩余使用寿命预测相关的重要特征;然后,基于Transformer的离子磨机剩余使用寿命预测网络来学习特征的时间依赖性,并使用两个全连接层来将基于Transformer的离子磨机剩余使用寿命预测网络的输出映射到离子磨机剩余使用寿命预测值。本发明采用上述的一种基于Transformer网络的离子磨机剩余使用寿命预测方法,能够更好地学习时间序列数据的时间属性,通过压缩‑激发模块提取特征,并处理不同特征通道之间的关系,从而有效地预测剩余使用寿命。
-
公开(公告)号:CN118072385B
公开(公告)日:2024-11-12
申请号:CN202410103176.3
申请日:2024-01-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/096
Abstract: 本发明提供一种基于视频步态分析的帕金森病评估方法,其包括获取待评估的步态视频数据,对所述步态视频数据进行处理,建立视频数据集;对视频单帧图像进行人体体态识别,获取每一帧图像的人体关键点热度图;再利用图卷积基于时域和空间域完成关键点识别;通过双流时空自适应图卷积神经网络以及transformer模型结合搭建分类模型。应用本发明主要用于解决现有技术中存在的视频包含信息过多、干扰较多、评分主观性强等问题。
-
公开(公告)号:CN117893481B
公开(公告)日:2024-10-11
申请号:CN202311782021.9
申请日:2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/762 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于自监督对比学习的混合型晶圆缺陷识别分割方法,包括以下步骤:收集大量无标签混合型晶圆数据,生成少量有像素级别标签的混合型晶圆数据;将有像素级别标签的混合型晶圆数据集划分为训练集和测试集;构建深度学习图像识别分割网络,将整个网络划分为编码器和解码器;网络预训练阶段,基于无标签数据集构建自监督任务;网络微调阶段,使用有标签数据的训练集重新训练图像分割网络,并在测试集上进行准确率验证;输出重新训练完成的图像识别分割网络,并进行混合型晶圆图像的识别与分割。本发明能够同时对缺陷模式进行识别和分割,解决了当前人工标注数据不足的问题,在实际工业生产中具有很好的应用前景。
-
公开(公告)号:CN118348506A
公开(公告)日:2024-07-16
申请号:CN202410297373.3
申请日:2024-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及基于平面地图的激光SLAM定位方法及系统,其中方法包括:获取三维激光雷达采集周围环境的点云数据,去除点云中的运动畸变,得到去畸变后的激光雷达点云,计算当前帧位姿的初始估计;基于体素化的方式,由粗到精分割去畸变后的输入点云,提取输入平面,并通过区域增长的方式得到输入平面集合,所述输入平面包括平面特征体素和非平面特征体素;在平面地图中进行输入平面的特征匹配,通过迭代计算当前帧输入平面集合与平面地图之间的变换关系实现最优位姿估计;利用当前帧最优位姿估计以及输入平面,对平面地图进行更新。本发明只需利用几百个输入平面利用角度和距离进行特征匹配,高效实现位姿估计,大大提高激光SLAM方法的实时性。
-
公开(公告)号:CN117893481A
公开(公告)日:2024-04-16
申请号:CN202311782021.9
申请日:2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/762 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于自监督对比学习的混合型晶圆缺陷识别分割方法,包括以下步骤:收集大量无标签混合型晶圆数据,生成少量有像素级别标签的混合型晶圆数据;将有像素级别标签的混合型晶圆数据集划分为训练集和测试集;构建深度学习图像识别分割网络,将整个网络划分为编码器和解码器;网络预训练阶段,基于无标签数据集构建自监督任务;网络微调阶段,使用有标签数据的训练集重新训练图像分割网络,并在测试集上进行准确率验证;输出重新训练完成的图像识别分割网络,并进行混合型晶圆图像的识别与分割。本发明能够同时对缺陷模式进行识别和分割,解决了当前人工标注数据不足的问题,在实际工业生产中具有很好的应用前景。
-
公开(公告)号:CN119169344A
公开(公告)日:2024-12-20
申请号:CN202411145247.2
申请日:2024-08-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于降低空间和通道特征冗余的可微分神经架构搜索方法,该方法包括首先定义搜索空间,在该搜索空间中寻找最优的神经网络架构;设计空间特征重构模块来消除空间特征冗余;使用自适应通道注意力模块通过快速一维卷积提取每个通道的重要性,根据计算出的注意力权重用于指导通道的去向;其中,注意力权重较高的通道被发送到操作空间,而其他通道则直接与操作空间的输出接触,以平衡信息保留和计算效率;将搜索到的最佳网络架构单元进行堆叠,重新构建并训练神经网络模型,进而实现图像的分类任务。本发明在轻量级、高效性、动态通道选择、信息保留与计算效率平衡、易于扩展与泛化以及提升图像分类性能等方面均展现出显著的优势。
-
公开(公告)号:CN118072385A
公开(公告)日:2024-05-24
申请号:CN202410103176.3
申请日:2024-01-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/096
Abstract: 本发明提供一种基于视频步态分析的帕金森病评估方法,其包括获取待评估的步态视频数据,对所述步态视频数据进行处理,建立视频数据集;对视频单帧图像进行人体体态识别,获取每一帧图像的人体关键点热度图;再利用图卷积基于时域和空间域完成关键点识别;通过双流时空自适应图卷积神经网络以及transformer模型结合搭建分类模型。应用本发明主要用于解决现有技术中存在的视频包含信息过多、干扰较多、评分主观性强等问题。
-
-
-
-
-
-
-
-
-