-
公开(公告)号：CN112394356B
公开(公告)日：2024-04-02
申请号：CN202011055629.8
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: G01S13/933 , G01S13/89 , G01S13/04
Abstract: 本发明公开了一种基于U‑Net的小目标无人机检测系统，主要由云台控制模块、水平电机驱动单元、垂直电机驱动单元、摄像机固定支架、高清摄像机和计算机设备组成，满足了小目标无人机检测的必要条件。同时，本发明提供了一种基于U‑Net的小目标无人机检测方法，无论是在低分辨率图像还是在高分辨率的图像上，该检测方法都能充分提取目标的特征信息，对于小目标无人机而言，当距离较远时，无人机区域仅有几个像素，极易与鸟类混淆，利用U‑Net网络分割出无人机，再结合Yolov3‑tiny网络进行检测，将大大提高小目标无人机的检测准确率，减小误检、漏检的概率。该方法对于小目标检测具有参考意义。
-
公开(公告)号：CN117073242A
公开(公告)日：2023-11-17
申请号：CN202311081036.2
申请日：2023-08-25
Applicant: 桂林电子科技大学
Abstract: 本发明涉及金属微纳光学器件技术领域，尤其涉及一种基于双层纳米圆盘阵列结构的全光谱太阳能吸收器，由多个宽带太阳能吸收器单元结构周期阵列组成，每个宽带太阳能吸收器单元结构包括金属钛衬底、上层纳米圆盘阵列结构、中间介质层和下层纳米圆盘阵列结构，在上层纳米圆盘阵列结构中，纳米圆盘单元与十字腔复合结构的设计可以激发表面等离子体共振模式，金属钛衬底中的下层纳米圆盘阵列结构的引入可以激发法布里‑珀罗谐振模式，从而获得短波长范围内的高吸收；中间介质层三氧化二铝薄膜的表面等离子体共振，以及其与金属钛衬底中纳米圆盘阵列结构的耦合作用，导致了长波长处的高吸收效果；从而获得太阳能全光谱范围内的高吸收效果。
-
公开(公告)号：CN115795366A
公开(公告)日：2023-03-14
申请号：CN202211662683.8
申请日：2022-12-23
Applicant: 桂林电子科技大学
IPC: G06F18/241 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种基于多支路注意力机制的晶圆图故障模式识别方法，包括：以ResneXt基础残差块搭建ResneXt‑50用作特征提取主干网络；在ResneXt残差块后面融入多支路注意力机制，给晶圆图显著缺陷簇分配更大的权重以提升特征识别能力；将所述晶圆图数据集划分为训练集和测试集，对所述主干网络进行学习训练；在主干网络全连接层提取到的晶圆图缺陷特征信息输入到ECOC‑SVM进行最终分类。本发明通过多支路注意力机制给不同的晶圆图缺陷簇区域分配了不同的权重，提升了网络模型的特征提取能力，获得了更加全面的晶圆图缺陷簇特征信息，解决了不同类型晶圆图缺陷簇特征提取能力差异大、细节信息特征提取不全面的问题，提高了分类的准确率。
-
公开(公告)号：CN115271035A
公开(公告)日：2022-11-01
申请号：CN202210798988.5
申请日：2022-07-08
Applicant: 桂林电子科技大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及从宽度扩展网路的DCNN结构及应用该DCNN结构的图像分类算法。采用具备若干支路网络的DCNN结构，且最后的全连接层可以连接多个卷积层的参数。本发明从增加DCNN模型宽度的角度出发，提出多路径DCNN(MP‑DCNN，Multi Path‑DCNN)模型，通过扩展网络的宽度，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，晶圆图的部分特征会存在丢失的情况，从不同的卷积层获取的晶圆图特征，存在相互补充的作用，使得最终的晶圆图特征更加完整。多路径DCNN是在原有的DCNN结构的基础上，增加支路网络，使最后的全连接层可以连接多个卷积层的参数，从而获得更多的图像信息，丰富网络学习的细节特征，提升DCNN网络的性能。
-
公开(公告)号：CN114781103A
公开(公告)日：2022-07-22
申请号：CN202210351286.2
申请日：2022-04-02
Applicant: 桂林电子科技大学
IPC: G06F30/18 , G06F111/02 , G06F111/04
Abstract: 本发明涉及软件工程技术领域，具体涉及一种iJTAG网络模块布线设计方法，包括：解析ICL文本中描述的网络结构信息；获取网络结构中模块的数量信息和ID信息，将整个网络的输入输出口记作ID为Port的预置模块；获取网络结构中各个模块的互联约束信息，根据互联约束信息输出位置信息表格；根据位置信息表格对网络结构中的各个模块和预置模块进行位置坐标编码，并对网络结构中的各个模块和预置模块进行编号；根据互联约束信息和位置坐标编码自动布线；本发明根据有向图的遍历算法原理，结合ICL文本解析，提取模块的信息以及各模块之间的连接关系，实现对iJTAG网络各模块的自动连线提高了效率。
-
Patent Agency Ranking
公开(公告)号：CN110705570B
公开(公告)日：2022-06-21
申请号：CN201910891187.1
申请日：2019-09-20
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种图像特征识别方法，包括提供图像数据集，对所述图像数据集中的每个图像进行形态学处理，并将形态学处理后的图像和原图像结合；将结合后的图像根据已知的标签使用矩形框标出设定特征的位置；将所述图像数据集中的图像随机分为训练集和验证集；利用深度残差网络标记所述设定特征点的位置并对所述训练集进行学习训练，以得到神经网络；利用所述神经网络对所述验证集中的图像进行试验，直到所述神经网络达到控制要求。本发明使用残差网络有效地提高了图像中设定特征位置识别的准确度，并且未对图像的轮廓进行分割处理，可以有效地保留了图像中的所有特征，取得良好的实验结果。
-
公开(公告)号：CN110658828A
公开(公告)日：2020-01-07
申请号：CN201911025612.5
申请日：2019-10-25
Applicant: 桂林电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种地貌自主探测方法及其无人机，深度摄像机、惯性传感器、激光雷达、超声波传感器和机载电脑模组，所述深度摄像机、所述惯性传感器、所述激光雷达和所述超声波传感器分别和所述机载电脑模组电性连接，通过获取深度摄像机采集的视觉移动数据和惯性传感器采集的惯性数据，融合处理得到里程计消息，根据所述里程计消息计算并得到航行的距离及姿态，然后获取激光雷达采集的周围环境轮廓数据，并融合所述航行的距离和姿态，绘制地图，再融合超声波传感器采集的避障数据，实现无人机的避障功能，可在无GPS的未知环境中获取环境的三维信息，实现自主导航与地图构建。
-
公开(公告)号：CN109782158A
公开(公告)日：2019-05-21
申请号：CN201910127979.1
申请日：2019-02-19
Applicant: 桂林电子科技大学
IPC: G01R31/316
Abstract: 本发明公开一种基于多级分类的模拟电路诊断方法，基于多级分类的思想，从频域分析和时域分析相结合出发，首先对测试电路进行原理解析，观察待测电路的频谱特性，从上、下限截止频率的变化对故障进行初级定位。初级定位之后，故障范围进一步缩小，之后通过多分辨率分析提取电路故障信号的特征，形成故障特征集，最后采用支持向量机精确识别各种故障。本发明可以快速有效的实现模拟电路故障的准确定位。
-
公开(公告)号：CN118658041A
公开(公告)日：2024-09-17
申请号：CN202410788499.0
申请日：2024-06-19
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/20 , G06V10/774 , G06N3/0455 , G06N3/096
Abstract: 本发明提出了一种基于迁移学习的Swin‑Transformer的晶圆缺陷模式识别方法，以提高晶圆生产的良率和质量。本发明提出一种新颖的方法，利用已有的知识和经验，通过迁移学习将Swin‑Transformer模型应用于晶圆缺陷识别任务，显著提升了模型性能和泛化能力。本发明在晶圆缺陷模式识别方面优于传统方法，提高了半导体芯片生产故障模式的识别准确率，为半导体制造技术的发展提供了重要的现实意义和指导。
-
公开(公告)号：CN118364460A
公开(公告)日：2024-07-19
申请号：CN202410282968.1
申请日：2024-03-13
Applicant: 桂林电子科技大学
IPC: G06F21/56 , G06F18/241 , G06F18/214
Abstract: 本发明提出了一种基于MobileViT架构的结合Triplet attention的硬件木马的检测方法。本发明基于Pytorch框架实现对硬件木马的检测识别算法，提出一个新颖的深度学习模型用于检测识别硬件木马。采用基于Transformer的轻量级网络MobileViT结构。本发明从改进MobileViT模型的角度出发，提出TA‑MobileViT模型，通过添加三重注意力机制，获取更丰富和更重要的网络特征，提升网络的分类性能。使用Transformer相比于CNN拥有全局提取特征的能力，从而提高模型的表现力和性能，能够更好的提取硬件木马时间序列的特征，Triplet attention能够是模型获得跨维度交互能力，进而大大提升模型分类的精度。本发明能够提高检测识别集成电路中硬件木马的准确率，有利于提高硬件电路安全，对于国家集成电路和半导体发展具有现实意义。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.034 seconds)
