一种紧凑型背装式透镜的三自由度精密调整装置

    公开(公告)号:CN104503062B

    公开(公告)日:2016-10-05

    申请号:CN201510030631.2

    申请日:2015-01-21

    Abstract: 一种紧凑型背装式透镜的三自由度精密调整装置,涉及光学透镜的三自由度精密调整装置领域。所述调整装置包括透镜夹持模块、X向位置调整单元、Y向位置调整单元、Z向位置调整单元和透镜壳体,所述透镜夹持模块用于夹持透镜,透镜夹持模块安装在X向位置调整单元上,所述X向位置调整单元用于驱动透镜夹持模块在X方向上移动,X向位置调整单元安装在Y向位置调整单元上,所述Y向位置调整单元用于驱动X向位置调整单元在Y方向上移动,Y向位置调整单元安装在Z向位置调整单元上,所述Z向位置调整单元用于驱动Y向位置调整单元在Z方向上移动,Z向位置调整单元安装在透镜壳体上。本发明适用于对激光聚变靶室中的透镜位置进行调整。

    一种紧凑型背装式透镜的三自由度精密调整装置

    公开(公告)号:CN104503062A

    公开(公告)日:2015-04-08

    申请号:CN201510030631.2

    申请日:2015-01-21

    CPC classification number: G02B7/04 G02B7/022

    Abstract: 一种紧凑型背装式透镜的三自由度精密调整装置,涉及光学透镜的三自由度精密调整装置领域。所述调整装置包括透镜夹持模块、X向位置调整单元、Y向位置调整单元、Z向位置调整单元和透镜壳体,所述透镜夹持模块用于夹持透镜,透镜夹持模块安装在X向位置调整单元上,所述X向位置调整单元用于驱动透镜夹持模块在X方向上移动,X向位置调整单元安装在Y向位置调整单元上,所述Y向位置调整单元用于驱动X向位置调整单元在Y方向上移动,Y向位置调整单元安装在Z向位置调整单元上,所述Z向位置调整单元用于驱动Y向位置调整单元在Z方向上移动,Z向位置调整单元安装在透镜壳体上。本发明适用于对激光聚变靶室中的透镜位置进行调整。

    一种多模态遥感数据分类的基础模型自适应方法

    公开(公告)号:CN117611896B

    公开(公告)日:2024-05-07

    申请号:CN202311580794.9

    申请日:2023-11-24

    Abstract: 一种多模态遥感数据分类的基础模型自适应方法,属于图像处理技术领域。本发明解决了现有技术中难于直接使用预训练好的基础模型实现多模态遥感数据的分类问题。要点:获取多模态遥感数据;预处理多模态遥感数据;建立映射层,选取基础模型;构建跨空间交互模块实现通用特征和多模态数据中的空间特征的交互,沿多模态遥感数据的空间维度生成可学习的空间编码向量集合,并将其加到特征编码向量集合中,输出空间特征;构建跨通道交互模块,在基础模型的编码器模块的多头注意力机制MSA中,增加通用特征与多模态数据中通道维度的特征交互,输出光谱特征;将空间特征和光谱特征输入到全连接层中得到分类结果。本发明提升了多模态遥感数据的分类精度。

    一种多模态遥感数据分类的基础模型自适应方法

    公开(公告)号:CN117611896A

    公开(公告)日:2024-02-27

    申请号:CN202311580794.9

    申请日:2023-11-24

    Abstract: 一种多模态遥感数据分类的基础模型自适应方法,属于图像处理技术领域。本发明解决了现有技术中难于直接使用预训练好的基础模型实现多模态遥感数据的分类问题。要点:获取多模态遥感数据;预处理多模态遥感数据;建立映射层,选取基础模型;构建跨空间交互模块实现通用特征和多模态数据中的空间特征的交互,沿多模态遥感数据的空间维度生成可学习的空间编码向量集合,并将其加到特征编码向量集合中,输出空间特征;构建跨通道交互模块,在基础模型的编码器模块的多头注意力机制MSA中,增加通用特征与多模态数据中通道维度的特征交互,输出光谱特征;将空间特征和光谱特征输入到全连接层中得到分类结果。本发明提升了多模态遥感数据的分类精度。

    基于Transformer的航空发动机涡轮流场的预测方法

    公开(公告)号:CN118981832A

    公开(公告)日:2024-11-19

    申请号:CN202410945403.7

    申请日:2024-07-15

    Abstract: 本申请提出了一种基于Transformer的航空发动机涡轮流场的预测方法,该方法包括:对航空发动机涡轮的导向叶片和动叶片进行特征采样,根据采集的特征参数构建特征编码,并对特征编码进行处理生成叶片模型特征编码数据库;根据涡轮叶片模型库计算涡轮的流场数据库,并根据流场数据库生成流场数据集,基于生成的两种数据库构建模型训练数据集;构建Transformer模型的编码器和解码器,并基于训练数据集对Transformer模型进行训练;获取待预测的航空发动机涡轮叶片的特征编码,将特征编码输入训练完成的Transformer模型,获得模型输出的流场预测结果。该方法基于数据驱动的Transformer模型获得航空发动机涡轮的流场数据,提高了涡轮流场预测的效率和准确性。

    一种SAR图像目标识别方法
    16.
    发明公开

    公开(公告)号:CN115601689A

    公开(公告)日:2023-01-13

    申请号:CN202211296951.9

    申请日:2022-10-21

    Abstract: 本发明提出一种SAR图像目标识别方法,包括:获取SAR图像训练集,通过对SAR图像训练集进行映射变换,获取映射后的数据集;将映射后的数据集输入到预训练好的VGG模型中进行微调,将每个样本所代表目标类别的特征映射到特征空间中作为质心,通过比较样本特征与已有类别到质心的距离,得到SAR图像的置信度分数,获取SAR图像目标识别模型;获取SAR图像测试集,通过SAR图像目标识别模型对SAR图像测试集中的样本进行特征提取,获取样本特征,得到测试样本的类别及置信度分数。本发明提出了一种高准确性和强确定性的基于深度学习的SAR图像目标识别方法,并利用一种新的评价指标‑预期校准误差衡量预测的不确定性,为每一个预测的SAR图像中的目标提供了置信度分数,提升了模型的实际应用效果。

    一种双源遥感数据语义分割方法

    公开(公告)号:CN108681706A

    公开(公告)日:2018-10-19

    申请号:CN201810463076.6

    申请日:2018-05-15

    Inventor: 陈雨时 张悦 何欣

    CPC classification number: G06K9/0063 G06K9/46 G06K9/6256 G06K9/6261

    Abstract: 一种双源遥感数据语义分割方法,本发明涉及双源遥感数据语义分割方法。本发明为了解决现有单源数据分割方法效率低以及多源分割方法精度低的问题。本发明将全卷积的网络模型应用到双源遥感数据的处理中,并采用迁移学习的方法,使用ImageNet数据集对设计的网络结构进行预训练。将高分辨率遥感数据和LiDAR DSM数据通过卷积神经网络,进行高层次和特征提取和融合,利用融合之后的特征信息进行语义分割。本方法充分利用到了高分辨遥感数据丰富的地物信息和LiDAR DSM数据精准的距离信息,提高了遥感数据语义分割的精度,总体分割精度较单一的高分辨遥感数据相比提高了5%,可达到90%。本发明用于遥感图像处理领域。

Patent Agency Ranking