-
公开(公告)号：CN117907803A
公开(公告)日：2024-04-19
申请号：CN202410070734.0
申请日：2024-01-17
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G01R31/28
Abstract: 本发明公开了一种基于SOPC的多芯片同步并行测试系统及方法，该系统包括：上位机子系统、SOPC控制子系统和芯片测试平台，上位机子系统通过总线与SOPC控制子系统通信连接，芯片测试平台通过接口与SOPC控制子系统连接；上位机子系统用于向SOPC控制子系统发送控制信号和测试信号，并在芯片测试平台对待测芯片进行测试后，处理接收到的待测芯片的电性能参数以确定异常芯片；SOPC控制子系统用于基于控制信号和测试信号，控制芯片测试平台中各功能模块的工作状态；芯片测试平台用于根据测试信号对待测芯片进行电性能测试，并将获得的电性能参数发送至上位机子系统。测试过程中可以通过上位机子系统向自动化上下料设备发送控制信号，实现了芯片的自动化测试。
-
公开(公告)号：CN117872094A
公开(公告)日：2024-04-12
申请号：CN202410072560.1
申请日：2024-01-17
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
Abstract: 本发明公开了一种基于改进卷积神经网络的芯片电性能并行检测方法，包括：步骤1：采集多个待测芯片的测试信号；步骤2：对多个待测芯片的测试信号进行线性叠加合成，生成第一复合信号，并将第一复合信号转换为二维图像，得到第一时频图像；步骤3：将第一时频图像输入到第一CNN网络中进行多个芯片的并行故障检测；若不存在故障，则算法结束，输出检测结果；若存在故障，则执行步骤4；步骤4：将单个芯片的测试信号分别转换为二维图像，对应得到多个第二时频图像；步骤5：将多个第二时频图像依次输入到第二CNN网络中进行单个芯片的故障检测，并输出检测结果。该方法实现了多个芯片的实时并行检测，提高了芯片缺陷检测的准确性和效率。
-
公开(公告)号：CN118131008A
公开(公告)日：2024-06-04
申请号：CN202410172915.4
申请日：2024-02-07
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
IPC: G01R31/28
Abstract: 本发明涉及一种基于马氏距离的多芯片并行检测方法，包括步骤：获取若干待诊断芯片的特征参数，构建待诊断矩阵；计算所述待诊断矩阵中每个待诊断芯片的特征参数与故障字典中每类电路状态的特征参数之间的马氏距离，得到若干待诊断芯片的距离矩阵；根据所述距离矩阵中马氏距离的大小判断每个所述待诊断芯片的电路状态。本发明实施例的多芯片并行检测方法中，由多个诊断芯片的特征参数构建待诊断矩阵后，将待诊断矩阵与故障字典形成各自的矩阵，从而将每个待诊断芯片的特征参数可以与故障字典的特征参数同时进行对比，实现了同时对多芯片电路进行故障的监测工作，可以提高芯片电路故障诊断的准确性和效率。
-
公开(公告)号：CN119559205A
公开(公告)日：2025-03-04
申请号：CN202411495274.2
申请日：2024-10-24
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所) , 西安电子科技大学
Abstract: 本发明公开了一种采用内外窗光谱解混机制的遮掩目标检测和效果评估方法，包括如下步骤：步骤1，建立内外窗检测机制：步骤2，通过VCA无监督算法分别得到内窗背景区域和外窗外场区域的端元纯净光谱字典：步骤3，通过非负最小二乘法NNLS，基于高光谱数据和纯净端元光谱矩阵求取各像素的丰度估计矩阵：步骤4，求取各像素的端元光谱字典表达：步骤5，构设检测器进行异常目标检测；步骤6，设定检测阈值，得到检测和分析结果。本发明所公开的方法，通过设计内外窗检测机制，充分挖掘内窗背景区域和外窗环境区域的光谱特性，并通过设计的目标检测器对各像素进行字典表达，实现准确异常目标检测的目的。
-
公开(公告)号：CN117953310A
公开(公告)日：2024-04-30
申请号：CN202410243286.X
申请日：2024-03-04
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/52 , G06V10/54 , G06V10/58 , G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于连续尺度特征网络的遥感多模态图像分类方法，包括读取PAN图像和MS图像，对PAN图像和MS图像进行预处理和划分，得到训练集和测试集；提取预处理后的PAN图像的边缘纹理信息；构建边缘纹理增强的连续尺度空间模块；构建连续尺度特征网络；将训练集输入构建的连续尺度特征网络中进行训练，得到训练好的分类模型；将测试集输入中训练好的分类模型进行分类，得到测试集中每个图像像素点的类别；本发明解决了现有技术中遥感图像特征提取的尺度不连续以及不同尺度图像的纹理弥散的技术问题，增强了神经网络对遥感图像中大小连续变化的地物整体的特征提取能力，提高了遥感多模态分类精度。
-
Patent Agency Ranking
公开(公告)号：CN113723482B
公开(公告)日：2024-04-02
申请号：CN202110958503.X
申请日：2021-08-20
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/58 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G01N21/31
Abstract: 本发明公开了一种基于多示例孪生网络的高光谱目标检测方法，主要解决现有技术在高光谱数据目标不足时，模型易过拟合进而导致检测效果下降的问题。其实现方案为：1.准备数据集，并从训练集中划分出“正‑负”和“正‑正”样本对；2.搭建一个由特征提取模块、权重计算模块、特征融合模块、分类器四个部分依次级联构成的多示例孪生网络；3.设置训练参数，用训练集中的样本对迭代训练多示例孪生网络；4.用训练好的多示例孪生网络对测试集数据进行单点测试，输出每个像素属于目标的置信度。本发明提高了高光谱数据目标不足时的检测结果，减小了过拟合现象，可用于爆炸物检测、农作物精细分类。
-
公开(公告)号：CN117788913A
公开(公告)日：2024-03-29
申请号：CN202311814714.1
申请日：2023-12-26
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/084
Abstract: 基于Co‑teaching多示例神经网络和考试机制相结合的高光谱目标检测方法、系统、设备及介质，其方法首先从高光谱图像中获取训练样本集和测试样本集；然后构建Co‑teaching多示例神经网络W，包括两个完全相同的子网络，分别记为A、B子网络，每个子网络包含依次级联的特征提取分支模块和检测分支模块；进一步对Co‑teaching多示例神经网络W进行迭代训练，增强Co‑teaching多示例神经网络W的泛化能力和抗噪声能力；最后，将测试样本集作为迭代训练后Co‑teaching多示例神经网络W的输入进行目标检测获取高光谱的目标检测结果；其系统、设备及介质能够根据所述目标检测方法进行光谱目标检测；本发明具有检测精度高、模型抗噪声能力强、泛化能力高的优点。
-
公开(公告)号：CN112419348B
公开(公告)日：2024-02-09
申请号：CN202011293215.9
申请日：2020-11-18
Applicant: 西安电子科技大学
IPC: G06T7/13 , G06T7/12 , G06T5/50 , G06T3/4007 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多任务学习边缘校正网络的男性盆腔CT分割方法，主要解决现有分割方法分割精度和效率较低的问题。其实现方案为：获取前列腺癌症病人的CT图像和医生手工勾画的器官标签和边缘标签，并划分训练数据集、验证数据集和测试数据集；构造一个包含残差子模块、边缘校正模块和特征融合模块的边缘校正分割子网络，并与一个用于定位的3D UNet网络串行连接，组成分割模型；使用训练数据集，利用自适应学习率优化算法对分割模型进行训练；将一例盆腔CT图像作为测试数据输入到训练好的分割模型中，得到测试图像的器官分割结果和边缘分割结果。本发明提升了盆腔CT中器官分割的精度和效率，可用于盆腔CT中器官的自动化分割。
-
公开(公告)号：CN116758366A
公开(公告)日：2023-09-15
申请号：CN202310538911.9
申请日：2023-05-12
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/26 , G06N3/0464 , G06N3/08
Abstract: 一种多支路协同语义变化检测方法、系统、设备及介质，其方法为，引入伪标签对未变化区域预测语义类别标签；通过向ResNet添加额外的高分辨率分支实现双分辨率网络；引入上下文信息交互模块利用目标区域表示增强其上下文信息表示，将原始特征与上下文信息交互特征拼接操作，得到最终的增强特征；将提取到的增强特征进行多种方式通道融合，并在降维前引入通道注意力机制聚焦通道域的重要特征，以折衷复杂度和特征的丰富度，提高变化区域检测精度，降低未变化区域误检率；其系统、设备及介质基于上述方法实现多支路协同语义变化检测；本发明利用多支路网络结构对地物覆盖信息和变化信息进行有效建模，多支路交互协同，提高了特征利用率，共同提升了任务性能。
-
公开(公告)号：CN110751651B
公开(公告)日：2022-03-04
申请号：CN201910923449.8
申请日：2019-09-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度迁移学习的MRI胰腺图像分割方法，主要解决现有技术对MRI胰腺图像分割精确低的问题。其方案：从人体胰腺部位获取PET和MRI图像，并对其进行标记，得到对应的胰腺标签图像；对PET和MRI图像扩充并归一化，对胰腺标签图像扩充并转换为浮点型；建立的PET网络并对其训练，得到训练好的PET网络；建立一个包括两条支路的MRI网络，将训练好的PET网络中对应的结构和权重迁移到该网络的第二支路，并训练其第一支路，得到训练好的MRI网络；输入MRI图像到训练好的MRI网络，输出胰腺分割结果。本发明提升了工作效率，提高了MRI图像的胰腺分割准确度，可用于对MRI图像的处理。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.032 seconds)
