“苏州鸿鹄骐骥电子科技有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果11个，建议您升级VIP下载更多相关专利

[发明专利]一种基于相似候选区域生成的Micro Led有效芯片识别方法-CN202310186763.9在审
发明人：温凯林;陈佳燕;褚洁;张呈凯;李天红;孔亮;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司;西安电子科技大学
申请日： 2023-03-01 - 公布日： 2023-09-19 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及芯片检测以及人工智能领域，一种基于相似候选区域生成的Micro Led有效芯片识别方法，采集含有Micro Led芯片的晶圆图像作为待查找图像，使用此Micro Led芯片的典型图像作为模板图像；使用同一特征提取方法分别提取待查找图像和模板图像的特征；将经过卷积后的待查找图像特征A作为深度可分离卷积的输入，将经过卷积后的模板图像特征B作为深度可分离卷积的卷积核，进行深度可分离卷积，得到包含相似特征信息的特征C。本发明既能避免神经网络的数据依赖性，让其能检测未学习过的芯片，又能借助神经网络的高效性使其快速完成有效芯片的识别。
一种基于相似候选区域生成 micro led 有效芯片识别方法

[发明专利]一种基于深度学习的全景音频编码方法-CN202310424297.3在审
发明人：鲁逢源;温凯林;褚洁;李天红;张呈恺;孔亮;王鹍;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2023-04-20 - 公布日： 2023-07-18 - 主分类号： G10L19/00 文献下载
摘要：本发明涉及全景音频编码技术领域。一种基于深度学习的全景音频编码方法，将每个声源产生L帧的音频信号的驱动信号、每个声源相对于坐标原点的方位角、每个声源相对于坐标原点的高度角、每个声源相对于坐标原点的空间直线距离输入到反馈模块F的参考信号产生器R，参考声源S的每个声源受到驱动信号的驱动发出的声波广播至空间时，麦克风阵列A接收到声波后收录为L帧的音频信号输送给深度神经网络全景声编码模块N中，评价器E依据统计学指标得出差异性评价误差，如果差异性评价误差小于设置值，返回麦克风阵列A当前空间声场信号的全景音频编码。
一种基于深度学习全景音频编码方法

[发明专利]基于信息熵卷积神经网络的芯片表面缺陷识别方法-CN202310425614.3在审
发明人：褚洁;王宇翔;张呈恺;温凯林;李天红;孔亮;张靖晨;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司;西安电子科技大学
申请日： 2023-04-20 - 公布日： 2023-07-18 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及图像处理技术，一种基于信息熵卷积神经网络的芯片表面缺陷识别方法，构建数据集：利用芯片生产工艺获得芯片所属的预设类别，利用可见光成像设备拍照采集芯片样本晶圆表面的光学图像，以构建数据集，划分训练集和测试集，构建卷积神经网络初始模型并训练：将训练集的图像输入卷积神经网络初始模型中，以交叉熵损失函数作为优化目标进行训练，以获得卷积神经网络中间模型，构建信息熵卷积神经网络初始模型，训练信息熵卷积神经网络初始模型，芯片表面缺陷识别：将所属数据集中的测试集的图像输入信息熵卷积神经网络最终模型中，由输出层输出识别结果，以此方式完成芯片表面缺陷识别。
基于信息卷积神经网络芯片表面缺陷识别方法

[发明专利]一种基于时间序列卷积神经网络的太赫兹成像处理方法-CN202210233777.7在审
发明人：陈佳燕;温凯林;张呈恺;李天红;朱天宇;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2022-03-10 - 公布日： 2022-06-28 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及太赫兹成像以及人工智能领域，一种基于时间序列卷积神经网络的太赫兹成像处理方法，在同位置同角度同时使用太赫兹成像设备和可见光成像设备对同一范围景象进行拍照采集形成太赫兹图片和可见光图片；对太赫兹图片进行中值滤波处理，去除太赫兹图片中的椒盐噪声；将经过处理的太赫兹图片叠放于可见光图片下方；将样本图片和初始噪声特征作为输入输入到基于时间序列的卷积神经网络；结合先验框Anchor和位置偏移计算得到样本图片中的目标识别框，结合目标识别框、类别置信度计算得到样本图片中的目标位置和类别信息。
一种基于时间序列卷积神经网络赫兹成像处理方法

[发明专利]一种面向工业生产应用的卷积神经网络剪枝方法-CN202210097374.4在审
发明人：王月明;温凯林;张呈凯;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2022-01-27 - 公布日： 2022-06-17 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及深度学习技术领域，一种面向工业生产应用的卷积神经网络剪枝方法，通过对于待剪枝的面向工业生产应用的卷积神经网络，首先进行非结构化剪枝，根据神经元的重要性，剪枝掉部分神经元，然后从训练恢复准确率，然后进行结构化剪枝，根据卷积核的感知量大小剪枝掉部分卷积核，然后从训练恢复准确率。本发明解决了深度神经网络由于计算量、参数量过大的问题，使得深度神经网络能够部署在资源受限的工业生产设备上。
一种面向工业生产应用卷积神经网络剪枝方法

[实用新型]一种用于全景音频的麦克风阵列-CN202120871777.0有效
发明人：鲁逢源;蔡觉平;温凯林 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2021-04-26 - 公布日： 2022-01-14 - 主分类号： H04R1/40 文献下载
摘要：本实用新型涉及音频录制与音频信号处理技术领域。一种用于全景音频的麦克风阵列，将4只相同的心形指向麦克风的几何中心处于同一平面S，4只相同的心形指向麦克风的几何中心构成一个正方形ABCD，4只相同的心形指向麦克风的安装方向分别为（45°，45°）、（‑45°，‑45°）、（135°，‑45°）、（‑135°，45°），负号表示方位角终止边到方位角起始边为顺时针，每只心形指向麦克风的俯仰角以平面S所在的边为俯仰角起始边，负号表示俯仰角终止边到俯仰角起始边为顺时针。本实用新型所提供的麦克风阵列产生的输出信号仍符合US4042779所描述的一阶高保真立体声响复制音频格式。
一种用于全景音频麦克风阵列

[发明专利]一种用于全景相机的全景音频处理方法-CN202110405044.2在审
发明人：鲁逢源;蔡觉平;温凯林 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2021-04-15 - 公布日： 2021-09-03 - 主分类号： H04R1/40 文献下载
摘要：本发明涉及音视频处理领域，一种用于全景相机的全景音频信号处理方法，包括预处理模块、全景声编码模块、单声道音频声像摆放模块、动态声场定位处理模块、虚拟扬声器解码模块、心理声学耳机重放模块这六部分，利用统一音频格式对重放空间声场进行任意角度重定位，解决了终端用户交互性差的问题。本发明具有基于角度信息进行声场重定位的功能，能够有效地将全景声格式音频技术与全景视频技术相结合。
一种用于全景相机音频处理方法

[发明专利]一种用于全景音频的麦克风阵列-CN202110452801.1在审
发明人：鲁逢源;蔡觉平;温凯林 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2021-04-26 - 公布日： 2021-07-16 - 主分类号： H04R1/40 文献下载
摘要：本发明涉及音频录制与音频信号处理技术领域。一种用于全景音频的麦克风阵列，将4只相同的心形指向麦克风的几何中心处于同一平面S，在平面S上建立直角坐标系XOY，X轴正向为从后到前，Y轴正向为从右到左，在平面S上定义一个正方形ABCD，该正方形ABCD的中心点与直角坐标系XOY的原点O重合，且该正方形ABCD的对角线长2r，正方形ABCD的四条边平行于直角坐标系XOY的X轴或者Y轴，正方形ABCD的四个顶点分别与4只相同的心形指向麦克风的几何中心重合，记心形指向麦克风单元的压差感受面的外法方向为其安装方向。
一种用于全景音频麦克风阵列

[发明专利]一种基于Yolov3的高清图像目标检测方法-CN202110255601.7在审
发明人：樊杨;张呈凯;宋河;温凯林;李天红;蔡觉平 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2021-03-09 - 公布日： 2021-06-04 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及计算机视觉技术领域，种基于Yolov3的高清图像目标检测方法，该方法包括：针对高清图像下小目标的检测，对Yolov3网络进行剪裁，去掉其中针对大、中尺寸目标检测而引入的分支，精简网络以提高计算速度；针对剪裁后的网络，分别制作训练数据集和测试数据集，训练神经网络；训练完成后，手工制作含有典型小目标的图像，送入Yolov3网络得到该图像特征向量，作为后续相似度匹配的标准特征块。
一种基于 yolov3 图像目标检测方法

[发明专利]一种基于CNN的高密度微led芯片视觉检测方法-CN202010570395.4在审
发明人：蔡觉平;阮文长;温凯林;褚洁;张呈凯;王武壮 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2020-06-19 - 公布日： 2020-10-30 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及芯片测试以及人工智能神经网络领域，一种基于CNN的高密度微led芯片视觉检测方法，将微led芯片二值化；根据连通域分割方法，以行和列方式将芯片划分为若干个区域；将划分的区域作为卷积神经网络的输入；将提取到的特征图采用卷积神经网络全连接层和softmax函数实现芯片好坏检测，卷积神经网络输出层的神经元数量设置为2代表好和坏两种结果，通过softmax函数计算每个神经元的输出概率判断样本的质量。检测结果证明，使用卷积神经网络实现芯片检测降低了检测时间的同时，有效提高了检测的准确率。
一种基于 cnn 高密度 led 芯片视觉检测方法

[发明专利]一种基于卷积神经网络的稀疏图像处理方法-CN202010593923.8在审
发明人：蔡觉平;王松;温凯林;张芳芳 -专利权人： 苏州鸿鹄骐骥电子科技有限公司
申请日： 2020-06-28 - 公布日： 2020-10-13 - 主分类号： G06T9/00 文献下载
摘要：本发明涉及图像卷积神经网络处理领域，一种基于卷积神经网络的稀疏图像处理方法。包括步骤：步骤一：将特征图以直接索引方法进行压缩；步骤二：将卷积神经网络的权值参数以数据索引方法进行压缩；步骤三：将特征图进行任务划分；步骤四：利用直接内存读取系统将步骤一中特征图有效值搬移到解码模块中的压缩特征图缓存中，并将步骤二中的权值参数搬移到计算单元的权值缓存中。步骤五：设计稀疏特征图数据读取单元；步骤六：系统根据卷积层的规格使能对应位置的数据读取单元，并配置可重构互联模块；步骤七：使能计算。本发明减少卷积神经网络的稀疏图像计算数据存储量，同时降低了计算量。
一种基于卷积神经网络稀疏图像处理方法

1
共 11 条