-
公开(公告)号：CN114998670A
公开(公告)日：2022-09-02
申请号：CN202210391286.5
申请日：2022-04-14
Applicant: 哈尔滨工业大学重庆研究院
IPC: G06V10/774 , G06K9/62 , G06V10/46 , G06V10/80 , G06V10/82 , G06F40/253 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供的多模态信息预训练方法及系统，涉及人工智能技术领域，通过构建第一多模态信息，基于MOCO对比学习模型，随机选择第一图像集合中的一个或多个图像进行几何变换，得到第二图像集合，基于MOCO对比学习模型，随机选择第一文本集合中的一个或多个文本进行语法结构变换，得到第二文本集合，分别对第二图像集合中的各个图像进行编码，生成对应的第一高维隐向量集合，根据目标损失值，对第一多模态信息进行预训练，在有限负样本下，使得网络模型能够接触更多的负样本，增大类间距离，有利于细粒度地检索图文，极大地节省了时间，能够达到更好的预训练效果。
-
公开(公告)号：CN117291940A
公开(公告)日：2023-12-26
申请号：CN202311047166.4
申请日：2023-08-18
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
Abstract: 本申请提供一种薄膜电容电极图像分割方法及电子设备。方法包括：按照预设压缩比例对拍摄基膜得到的原始图像进行压缩处理，得到经过压缩的第一图像；对第一图像进行开运算处理，得到第二图像；对第二图像进行二值化处理，得到第三图像；通过预设的双阈值处理策略，对第三图像进行边缘分割，得到第三图像中的电极片的边缘分割图；从具有边缘分割图的第三图像中确定每个电极片的角点坐标；根据预设压缩比例及每个电极片的角点坐标，确定每个电极片在原始图像中对应的角点坐标；基于原始图像中对应的角点坐标及电极片的预设尺寸，从原始图像中分割得到每个电极片的图区。如此，利于提升从原始图像中分割出独立的电极片图区的准确率及效率。
-
公开(公告)号：CN117274161A
公开(公告)日：2023-12-22
申请号：CN202311047454.X
申请日：2023-08-18
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
Abstract: 本申请提供一种薄膜电容图像预检方法及电子设备。方法包括：对原始图像进行压缩，得到经过压缩的第一图像；通过预设的边缘提取算法，从第一图像中提取轮廓信息，并对该轮廓信息进行拟合，得到具有连通轮廓的第二图像；从第二图像中选择包围面积最大的目标轮廓；从目标轮廓中确定角点的第一位置坐标；根据预设插值算法及预设压缩比例，将第二图像中的角点的第一位置坐标，转换为原始图像上对应角点的第二位置坐标；从原始图像上的裁剪得到包含矩形定位标的图区，并从该图区中确定矩形定位标的轮廓；根据矩形定位标的轮廓，确定原始图像中基膜的倾斜角度。如此，可以实现图像中基膜倾斜角度的自动预检，提高图像预检的效率与检测的可靠性。
-
公开(公告)号：CN116596875B
公开(公告)日：2023-12-22
申请号：CN202310527795.0
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06T3/00 , G06T7/136 , G06T7/13 , G06N3/0464 , G06N3/088 , G06V10/764 , G06V10/82 , G06V10/40
Abstract: 信息的问题。本申请提供一种晶圆缺陷检测方法、装置、电子设备及存储介质。方法包括：获取通过相机拍摄晶圆得到的相机图像；对相机图像进行预处理，得到待检图像；将待检图像输入预设缺陷检测模型，得到表征晶粒是否存在缺陷的检测结果；当检测结果为晶粒存在缺陷时，从预设缺陷检测模型检测待检图像过程中提取的特征图中，分割得到表征缺陷区域的子特征图，并从预设缺陷检测模型检测待检图像过程中生成的异常得分热力图中，分割得到表征缺陷区域的注意力图；将子特征图和注意力图输入预设分类器，得
-
公开(公告)号：CN116385860A
公开(公告)日：2023-07-04
申请号：CN202310384232.0
申请日：2023-04-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
IPC: G06V20/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及目标检测技术领域，公开了一种基于YOLOv5的城市街道场景目标检测方法，包括以下步骤：步骤1：构建基于改进YOLO‑v5的目标检测模型；所述目标检测模型包括主干特征提取网络、特征融合模块和输出模块；且主干提取网络中的下采样模块由可变形卷积单元和Focus单元组成；特征融合模块的下采样模块由预设步距的卷积单元和Focus单元组成；步骤2：训练目标检测模型；步骤3：由训练后的目标检测模型进行场景目标检测；其中，由主干特征提取网络提取待检测场景图像的特征；由特征融合模块输出不同尺度的特征图；并由输出模块基于特征图输出目标检测特征图。本发明能够在达到较高的检测精度的同时，保证达到较高的检测效率。
-
Patent Agency Ranking
公开(公告)号：CN116542945B
公开(公告)日：2024-01-05
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。(56)对比文件Takeshi Nakazawa and Deepak V.Kulkarni.Anomaly Detection andSegmentation for Wafer Defect PatternsUsing Deep Convolutional Encoder–DecoderNeural Network Architectures inSemiconductor Manufacturing.IEEETRANSACTIONS ON SEMICONDUCTORMANUFACTURING.2019,第32卷(第2期),全文.杨静，尚夏，荣海军，杜少毅.采用仿射迭代最近点的晶圆分割方法.西 安 交 通 大 学 学 报.2017,第51卷(第12期),全文.刘娜;岳琪琪;陈加宏;孙健.搜索区域和目标尺度自适应的无人艇海面目标跟踪.光学精密工程.2020,(03),全文.
-
公开(公告)号：CN116542945A
公开(公告)日：2023-08-04
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。
-
公开(公告)号：CN116500042A
公开(公告)日：2023-07-28
申请号：CN202310516332.4
申请日：2023-05-09
Applicant: 哈尔滨工业大学重庆研究院
IPC: G01N21/88
Abstract: 本申请提供一种缺陷检测方法、装置、系统及存储介质，涉及缺陷检测技术领域。缺陷检测系统包括条纹光源和相机。方法包括：获取相机拍摄条纹光源照射下的待检物得到的相机图像；对相机图像进行预处理，以得到待检图像；将待检图像输入经过训练的、基于PatchCore算法构建得到的预设缺陷检测模型，以得到待检图像中的缺陷特征与预设缺陷检测模型中的特征库对比后生成的异常得分热力图。如此，可以改善常规检测算法在进行微弱凹凸缺陷检测时，缺陷的召回率低、漏检率大、准确性不足的问题。
-
公开(公告)号：CN115063385A
公开(公告)日：2022-09-16
申请号：CN202210762670.1
申请日：2022-06-29
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。
-
公开(公告)号：CN114648515A
公开(公告)日：2022-06-21
申请号：CN202210327618.3
申请日：2022-03-30
Applicant: 哈尔滨工业大学重庆研究院
Abstract: 本发明公开的印刷缺陷检测模型及印刷缺陷检测方法，涉及人工智能领域，利用2个结构相同的多尺度骨架网络，同时提取参考图像Iref及待检测图像Idet的语义特征图，根据参考图像Iref的多个语义特征图与待检测图像Idet的多个语义特征图，计算参考图像Iref与待检测图像Idet之间的相似度，根据该相似度，判断待检测图像Idet是否存在印刷缺陷，可以有效地检测印刷品中存在的缺陷，提高了检测性能，训练印刷缺陷检测模型时不需要人工标注，极大地降低了训练成本，使用时不需要专业人员进行调试，提高了易用性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
