公开(公告)号：CN116863223A

公开(公告)日：2023-10-10

申请号：CN202310820664.1

申请日：2023-07-05

Applicant: 南京邮电大学

Inventor： 倪康 ,  周帅 ,  陈建奇 ,  邵思林 ,  郑志忠

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及语义注意力特征嵌入Swin Transformer网络的遥感图像场景分类的方法，属于深度学习、特征融合等遥感图像处理技术领域；首先获取遥感图场分类数据集并分为训练集、测试集和验证集，将训练集输入Swin Transformer骨干网中进行训练，将第4阶段全局特征图进行反卷积操作后得到反卷积深度语义特征图，与第3阶段特征图作为双向非对称注意力调制模块的两个输入参数，获取高层语义特征，再进行特征降维之后，引入全局平局池化层得到最终全局深度特征，并利用Softmax损失函数得到最终的场景分类结果；本发明充分顾及遥感场景图像的全局特征信息；语义注意力特征嵌入深度模型，提高融合特征的可辨识性。

公开(公告)号：CN116542922A

公开(公告)日：2023-08-04

申请号：CN202310484015.9

申请日：2023-04-28

Applicant: 南京邮电大学

Inventor： 倪康 ,  邵思林 ,  戴一冕 ,  袁春阳 ,  杨尚东 ,  蒋永新 ,  朱玉萍 ,  刘洪涛

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/90 ,  G06T5/50 ,  G06N3/0464

Abstract: 本发明提供一种基于多层空洞卷积网络的半导体芯片焊点区域提取方法，通过将原始半导体芯片焊点图像数据集随机均分为N个批次；标注第一批次的半导体芯片焊点图像数据集；利用所标注的第一批次的半导体芯片焊点图像数据集对构建的多层空洞卷积网络模型进行模型训练，并生成当前阶段的最优模型；推理下一批次未标注的半导体芯片焊点图像数据集；直到处理过第N批次的半导体芯片焊点图像数据集，利用所有标注好的半导体焊点图像数据集进行最终的模型训练，得到最优提取模型，进行半导体芯片焊点区域提取；该方法能够在显著提升网络性能的同时减少模型参数量，能够保证数据集标注的高质量，能够有效提升半导体芯片焊点区域提取的效率和准确性。