基于对比学习的自监督图像分类方法

    公开(公告)号:CN112381116A

    公开(公告)日:2021-02-19

    申请号:CN202011134658.3

    申请日:2020-10-21

    Abstract: 本发明涉及一种基于对比学习的自监督图像分类方法,包括以下步骤:步骤S1:获取无标签数据,并进行随机增强生成不同视图;步骤S2:对视图进行特征提取,无监督对比计算损失,得到无监督分类模型C1;步骤S3:对无标签数据中部分进行人工标注,作为训练验证集;步骤S4:将C1作为预训练模型,根据训练验证集进行微调;步骤S5:提取训练验证集的特征,有监督对比计算损失,得到C2;步骤S6:根据C2对无标签数据预测标签,并筛选置信度高于预设值的数据作为训练样本;步骤S7:基于训练样本,将C2作为预训练模型,选取小网络进行训练微调,将验证输出准确率最高的作为最佳分类模型C3。本发明能够有效利用无标签数据训练泛化的图像分类模型,解决多类图像分类问题。

    基于目标灰度倾向加权的Otsu目标检测方法

    公开(公告)号:CN112396061B

    公开(公告)日:2023-04-14

    申请号:CN202011342948.7

    申请日:2020-11-25

    Abstract: 本发明涉及一种基于目标灰度倾向加权的Otsu目标检测法,包括以下步骤:步骤S1:对待测图像进行灰度化处理,获得待测图像的灰度直方图;步骤S2:根据得到的待测图像的灰度直方图,确定期望阈值;步骤S3:根据期望阈值,计算前景和背景像素点出现概率及其灰度均值;步骤S4:根据期望阈值选择要更改的灰度倾向系数,若期望阈值更接近高灰度区域就选择高倾向度系数α,反之若更接近低灰度区域就选择低倾向度系数β;步骤S5:采用改进的Otsu类间方差公式进行梯度谷值加权,获得使方差最大的阈值,实现目标与背景的分离。本发明当目标与背景的对比度很低时,能够更准确地剥离目标与背景图像。

    一种基于RGBW的Micro-LED制备系统

    公开(公告)号:CN112817213B

    公开(公告)日:2023-04-07

    申请号:CN202110106957.4

    申请日:2021-01-27

    Abstract: 本发明提出一种基于RGBW的Micro‑LED制备系统,包括显影机、刻蚀机、光源模组,还包括在光源模组发光方向上顺序设置的掩膜版和覆有光刻胶的阵列基板;光源模组包括四组光源,每组光源对应显示像素内的一个子像素结构,掩膜版包括多个透光区,每个透光区的中心在阵列基板上的投影均位于与该透光区相对应的子像素结构的中心;当对光刻胶曝光时,四组光源同时透过掩膜版透光区对子像素结构处的光刻胶进行曝光,各组光源的曝光光照强度、曝光光照时长根据与该光源对应的子像素结构需填充的量子点胶体体积决定;显影机、刻蚀机对曝光后的阵列基板进行后续加工以使储液槽成型;本发明可解决由于对量子点的封胶厚度不同导致子像素发光亮度不均衡的问题。

    一种高稳定性银纳米线图形化导电薄膜的制备方法

    公开(公告)号:CN113436806B

    公开(公告)日:2022-12-23

    申请号:CN202110519898.3

    申请日:2021-05-13

    Abstract: 本发明涉及一种高稳定性银纳米线图形化导电薄膜的制备方法。所述方法:先在银纳米线导电膜上实现光刻胶的图形化,接着利用半导体氧化物薄膜对未被光刻胶覆盖的银纳米线网络进行加固,最后通过超声使图形化光刻胶粘附底部银纳米线一起剥离出基板,从而实现银纳米线导电膜的图形化。本发明制作工艺简单、成本低,容易实现高分辨率的图形化银纳米线导电膜,同时能增强银纳米线的抗氧化能力和在基板上的附着性。

    基于对比学习的自监督图像分类方法

    公开(公告)号:CN112381116B

    公开(公告)日:2022-10-28

    申请号:CN202011134658.3

    申请日:2020-10-21

    Abstract: 本发明涉及一种基于对比学习的自监督图像分类方法,包括以下步骤:步骤S1:获取无标签数据,并进行随机增强生成不同视图;步骤S2:对视图进行特征提取,无监督对比计算损失,得到无监督分类模型C1;步骤S3:对无标签数据中部分进行人工标注,作为训练验证集;步骤S4:将C1作为预训练模型,根据训练验证集进行微调;步骤S5:提取训练验证集的特征,有监督对比计算损失,得到C2;步骤S6:根据C2对无标签数据预测标签,并筛选置信度高于预设值的数据作为训练样本;步骤S7:基于训练样本,将C2作为预训练模型,选取小网络进行训练微调,将验证输出准确率最高的作为最佳分类模型C3。本发明能够有效利用无标签数据训练泛化的图像分类模型,解决多类图像分类问题。

    一种液晶显示三畴配向层的光配向方法

    公开(公告)号:CN112904622A

    公开(公告)日:2021-06-04

    申请号:CN202110108678.1

    申请日:2021-01-27

    Abstract: 本发明涉及一种液晶显示三畴配向层的光配向方法。该方法包括:将待配向基板装载在装载平台上;其中,待配向基板包括三组不同配向角的配向区,待配向基板的每个显示像素包括三个不同配向角的配向区;调整掩膜版,以使掩膜版的透光区在待配向基板的投影位于同一个显示像素中间的配向区;维持掩膜版与待配向基板相对位置不变,打开光源模组并产生入射方向不同的三组三畴配向光源,使三组三畴配向光源在同一时间透过掩膜版的透光区投射到不同组别的配向区。本发明不仅解决了三畴光配向过程中对位问题,保证了配向的精准度,也可以提高配向效率。

Patent Agency Ranking