-
公开(公告)号:CN104103692A
公开(公告)日:2014-10-15
申请号:CN201410334950.8
申请日:2014-07-14
Applicant: 南京邮电大学
CPC classification number: H01L29/0669 , B82Y10/00 , H01L29/36 , H01L29/7831
Abstract: 本发明公开了一种峰值掺杂结合对称线性掺杂结构的碳纳米场效应管,构建了适用于峰值掺杂结合对称线性掺杂结构的碳纳米场效应管的输运模型,利用该模型分析计算了HALO-Linear掺杂策略对碳纳米场效应管电学特性的影响。通过与采用其他掺杂策略CNTFET的电学特性对比分析,发现这种掺杂结构的碳纳米场效应管具有更大的开关电流比、更低的泄漏电流、更小的亚阈值摆幅,更高的截止频率和更小的延迟时间,即表明采用HALO-Linear掺杂策略的CNTFET具有更好的栅控能力,更好的开关特性,能够有效的抑制短沟道效应和热载流子效应。
-
公开(公告)号:CN113549902A
公开(公告)日:2021-10-26
申请号:CN202110788498.2
申请日:2021-07-13
Applicant: 南京邮电大学 , 南京亿浦先进材料研究院有限公司
IPC: C23C16/513 , C23C16/455 , C23C16/26 , C23C16/32 , C23C16/34
Abstract: 本发明公开了一种C/TiC/TiN/TiAlN复合涂层制备装置及其方法。本发明提出的装置主要包括弧光放电等离子体装置、射频等离子体装置和磁过滤筛选装置三部分,充分组合利用三部分的技术优势,从而达到制备优质涂层的目的。本发明提供的复合涂层的制备方法,包括以下步骤:将固态源进行弧光放电后得到弧光放电等离子体;将气态源进行射频处理后得到射频等离子体;将所述两种等离子体经过磁过滤去除较大颗粒后共沉积在基底表面,从而得到复合涂层。本发明提供的制备方法为制备不同成分的复合涂层提供了新的合成思路,且制备得到的复合涂层材料具有高均匀性,高致密性以及优异的机械性能。
-
公开(公告)号:CN119672915A
公开(公告)日:2025-03-21
申请号:CN202510193061.2
申请日:2025-02-21
Applicant: 江苏省地震局 , 厦门帝嘉科技股份有限公司 , 江苏有线数据网络有限责任公司 , 南京邮电大学
Abstract: 本发明涉及预警播报技术领域,公开了一种应急广播用网格化地震预警播报方法,对目标预警区域进行网格化分区,得到N个子区域;对每个子区域中的报警喇叭配置播报文件和计算模型;获取预警中心对N个子区域的并发信息;并发信息包括:将并发信息分别输入到子区域中不同的报警喇叭的计算模型中,得到对应的播报查询信息;基于播报查询信息对播报文件进行查询,得到对应的子区域中的报警喇叭的报警播报信息,并将报警播报信息进行播报。
-
公开(公告)号:CN113658217B
公开(公告)日:2024-02-23
申请号:CN202110794380.0
申请日:2021-07-14
Applicant: 南京邮电大学
IPC: G06T7/246 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种自适应目标跟踪方法、装置及存储介质,属于计算机视觉分析技术领域,该方法通过对ResNet50网络结构进行调整,使用ILSVRC‑2012大规模数据集训练调整后的网络,使用预训练过的网络的第三、四层卷积层提取图像特征并训练各层相关滤波器,将各层响应结果依据跟踪置信度赋予自适应权重,融合后响应图的最大值处即为目标位置,在所确定的尺度变化方向上以一种类似于二叉排序树的树形结构进行不断地二分搜索,通过尺度判别指标找到目标合适的尺度;本发明利用深度残差网络的第三、四层卷积层提取图像特征,此特征提取方法能够精准定位目标,利用树形搜索策略有助于目标的尺度自适应,实现可持续跟踪。
-
-
公开(公告)号:CN112348847A
公开(公告)日:2021-02-09
申请号:CN202011152830.8
申请日:2020-10-26
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明提供了一种目标尺度自适应跟踪方法,属于计算机视觉技术领域,该方法基于条件数对目标框进行分块,然后提取每个分块的VGGNet‑19网络模型第一、第四卷积层特征,应用到核相关滤波器中,得到不同分块目标中心位置,并通过巴氏系数对不同块的可靠性进行度量,以可靠性度量作为权重,最终得到整体目标响应图和整体目标位置中心,再利用仿射矩阵实现目标尺度自适应,以估算的一系列仿射变换矩阵得到一系列目标框集,并以前五帧跟踪结果平均值作为基线样本,以最接近基线样本的候选框作为最优候选框,实现目标尺度自适应跟踪,有助于实现目标尺度自适应跟踪。
-
-
-
-
-