专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1111024个,建议您升级VIP下载更多相关专利
  • [发明专利]一种温度分布的检测系统及方法-CN202310330665.8有效
  • 李伟;高苗苗 - 深圳市冠禹半导体有限公司
  • 2023-03-31 - 2023-06-23 - G06T7/00
  • 本发明涉及半导体技术领域,尤其涉及一种温度分布的检测系统及方法。所述方法包括以下步骤:获取数据,其中数据包括生产数据以及测量场数据,根据数据进行弱相似度数据生成处理,生成弱相似度数据;根据弱相似度数据生产数据以及测量场数据生成测量场温度异常域、测量场恒温区域、批次温度异常域及批次恒温区域;基于测量场温度异常域以及批次温度异常域生成异常域优化计算公式;基于数据、测量场温度异常域、测量场恒温区域、批次温度异常域、批次恒温区域以及异常域优化计算公式构建自训练测温模型;本发明能够提高温度分布检测的精准度。
  • 一种温度分布检测系统方法
  • [发明专利]一种缺陷的识别方法-CN202210944146.6在审
  • 李雯迪;董凯锋 - 中国地质大学(武汉)
  • 2022-08-05 - 2022-11-22 - G06T7/00
  • 本发明提供一种缺陷的识别方法,包括:从WM‑811K数据的九种缺陷类型的每一种缺陷类型中抽取多张图像组成第一缺陷数据;对第一缺陷数据进行格式转换和尺寸统一,得到第二缺陷数据,将第二缺陷数据划分为训练和测试;构建深度残差网络ResNet;将训练输入所述深度残差网络ResNet对深度残差网络ResNet进行训练,训练中使用的损失函数为focal loss函数;利用训练好的所述深度残差网络ResNet对待识别的图像进行缺陷识别,获得待识别的图像的缺陷种类。本发明实现了一种可以用于缓解类别不平衡的半导体缺陷识别的方法。
  • 一种缺陷识别方法
  • [发明专利]一种基于RefineDet模型的缺陷检测方法-CN202310376091.8在审
  • 杨长春;孟天霜;张力维;王彭 - 常州大学
  • 2023-04-10 - 2023-08-11 - G06T7/00
  • 本申请实施例涉及缺陷检测方法,特别涉及一种基于RefineDet模型的缺陷检测方法,包括以下步骤:首先,采集图像;然后,对图像进行滤波处理;接下来,对滤波处理后的图像依次进行去均值化和归一化处理,得到处理后的图像;然后,对处理后的图像进行数据增广,得到图像数据;接下来,将图像数据划分为训练、验证与测试,对训练、验证的缺陷进行标注,得到标注后的数据,并采用标注后的数据集训练RefineDet网络模型;最后,将测试输入至训练后的RefineDet网络模型中,检测图像的缺陷种类和位置。本申请提供的缺陷检测方法,基于RefineDet网络模型,能够有效识别缺陷,适用于小目标的检测。
  • 一种基于refinedet模型缺陷检测方法
  • [发明专利]一种缺陷数据增强方法及装置-CN202310321613.4在审
  • 穆晓宝;易丛文;夏敏 - 深圳智现未来工业软件有限公司
  • 2023-03-29 - 2023-07-14 - G06V10/774
  • 本发明涉及一种缺陷数据增强方法及装置,所述方法包括:获取图数据,所述图数据集中包含若干缺陷类型的图数据;根据所述图数据,确定多个训练数据,其中,任一训练数据集中包含具有相同的单一缺陷类型的图数据;对所述多个训练数据集中对应于目标缺陷类型的目标数据,使用所述目标数据集训练变分自编码器VAE,得到该目标缺陷类型对应的VAE;使用所述目标缺陷类型对应的VAE的解码器生成结果数据,所述结果数据集中包含具有所述目标缺陷类型作为其标注标签的图数据
  • 一种缺陷数据增强方法装置
  • [发明专利]一种基于对抗生成网络的图缺陷模式识别方法-CN201811276338.4有效
  • 张洁;杨振良;汪俊亮;蒋小康;张启华 - 东华大学
  • 2018-10-30 - 2023-10-27 - G06V10/764
  • 本发明针对各类缺陷数据的不平衡特点和数据维度与角度的多样性,提出了基于对抗生成网络的图缺陷模式识别方法。本方法首先将数据分为训练和测试,再对训练与测试均进行预处理得到标准缺陷数据样本,在此基础上设计面向数据缺陷模式识别的分类对抗生成网络模型,通过设计生成器与鉴别器的损失函数,使生成器与鉴别器针对训练内的真实与网络内生成器生成的仿真之间的差异进行对抗,提高生成器的生成能力,并利用此生成机制平衡各缺陷类型的样本数量,同时使鉴别器学习已知缺陷模式的数据特征规律。本发明能够实现对缺陷模的快速识别,并且具有很高的识别精度。
  • 一种基于对抗生成网络晶圆图缺陷模式识别方法
  • [发明专利]用于确定图形尺寸的方法、装置、设备、介质以及程序产品-CN202280006302.2在审
  • 程垄;任谦;孙永倩;明勇;陈飞鸿;杨敏 - 华为技术有限公司
  • 2022-01-19 - 2023-09-22 - G03F1/36
  • 用于确定图形尺寸的方法(300)、装置(600)、设备(700)、介质以及程序产品,用于确定图形尺寸的方法(300)包括:至少基于针对至少一个测试图形的测试光强分布数据图形数据,生成用于确定图形尺寸的显影模型(306),测试光强分布数据(210)中的每个测试光强分布数据指示光刻设备的光源经由相应的测试图形在上得到的光强分布,图形数据(220)中的每个图形数据指示与相应的测试图形对应的图形的尺寸;以及至少基于针对目标图形的目标光强分布数据,利用显影模型来确定与目标图形对应的图形的尺寸(308),目标光强分布数据(230)指示光源经由目标图形在上得到的光强分布。以此方式,可以提高对在上获得的实际图形尺寸的预测精确度。
  • 用于确定图形尺寸方法装置设备介质以及程序产品
  • [发明专利]无监督的缺陷检测方法、装置、设备及存储介质-CN202210894978.1有效
  • 杨万里;毕海;段江伟;汪伟;柯链宝 - 季华实验室
  • 2022-07-28 - 2022-11-01 - G06T7/00
  • 本发明属于检测技术领域,公开了一种无监督的缺陷检测方法、装置、设备及存储介质。该方法包括:获取初始检测数据;利用预设无监督自编码器为初始检测数据集中的无标签检测数据制作伪标签,生成目标检测数据;根据目标检测数据对预设分类器进行训练,得到训练好的目标分类器;在接收到待检测数据时,利用目标分类器对待检测数据进行检测,得到缺陷检测结果。通过上述方式,为无标签检测数据制作伪标签,利用有标签数据和伪标签数据对目标分类器进行训练,使得目标分类器学习到不同的缺陷特征,能够识别到未知的缺陷种类,提高了缺陷的检测精度。
  • 监督缺陷检测方法装置设备存储介质
  • [发明专利]一种图像识别方法、装置、设备及应用-CN202211336522.X在审
  • 盛毅;朴明浩 - 苏州大学
  • 2022-10-28 - 2023-03-24 - G06V20/60
  • 本发明公开了一种图像识别方法、装置、设备及应用,涉及半导体技术及图像识别技术领域,包括将待降噪图像遍历,得缺陷点,判断待降噪图像缺陷类型,若为Near‑full或Random类型,将其加入图像训练;若为None类型,利用邻域半径为2的DBSCAN聚类结构降噪;对于其他类型,先利用邻域半径为2的OPTICS聚类结构获取待降噪图像缺陷点集中每个缺陷点的可达距离,求平均可达距离,选择合适的聚类结构降噪,并将降噪后的图像加入图像训练,本申请的图像训练最大化去除了图表面噪声点,保留了完整的缺陷特征,大大提高了图缺陷模式分类的精度,促进了图缺陷识别领域的进一步发展。
  • 一种图像识别方法装置设备应用

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top