摘要：人脸关键点的精确检测对于人脸姿态矫正、表情识别、疲劳监测等任务具有重要意义。针对当前人脸关键点检测算法对于网络的设计越来越复杂、对计算资源的需求越来越大,网络整体速度变慢,不利于移动端部署的问题,提出了一种基于多尺度关键点热度图融合的人脸关键点检测网络。通过特征图与关键点热度图的融合使网络更多地关注关键点及其周边像素的信息,同时引入了多尺度的关键点热度图融合不断加强网络对于关键点相关信息的学习能力,使用较浅的网络结构就可实现好的检测效果。实验表明该网络在WFLW数据集上取得的检测精度和速度均达到较好的效果。

摘要：基于TSMC 180 nm芯片工艺,设计了一个用于可穿戴脑电监测的10位低功耗逐次逼近型模数转换器(SAR ADC)。为了有效降低DAC电容阵列的切换功耗,采用新型差分DAC电容阵列,并使用单调开关切换方式。比较器采用两级动态比较器,在提高效率的同时也降低功耗及噪声。针对脑电信号的特点,采用栅压自举开关实现高线性的采样。后仿真结果表明:在1.8 V供电电压、40 kS/s采样率下,这款SAR ADC的功耗仅为2.4μW,其有效位数(ENOB)为9.68 bit,无杂散动态范围(SFDR)为70.6 dB,优值为73.1 fJ/(conv-step),设计的SAR ADC适用于可穿戴脑电监测设备。

摘要：本文设计并制备了一款分辨率为1920×1080的氮化镓基Micro-LED芯片。采用单次ICP(InductivelyCoupled Plasma)刻蚀的方法完成电流扩展层的图案化和台面刻蚀,实现了电流扩展层和台面的自对准。同时,在制作过程中用HMDS(Hexamethyldisiloxane)提高光刻胶附着力,从根本上提高小尺寸台面刻蚀的一致性和完整性。此外,通过垫高N型电极解决了传统倒装芯片中P型电极和N型电极不等高的问题,有利于显示芯片与驱动芯片的键合。该芯片尺寸为17.78 mm(0.7 in),发光单元尺寸为6μm,像素周期为8μm,像素密度达到3129 PPI。I-V测试数据表明,所制备的Micro-LED的开启电压仅为3.5 V。

摘要：为了获得更好的图像超分辨率重建质量,提高网络训练的稳定性,对生成对抗网络、损失函数进行研究。首先,介绍了SRGAN和DenseNet,并设计了基于DenseNet的生成网络用以生成图像,且将子像素卷积模块加入到DenseNet中。接着,移除了原本DenseNet中冗余的BN层,提高了模型的训练效率。最后,介绍了SRGAN的损失函数并基于Earth-Mover距离来重新设计损失函数,并且用SmoothL1损失取代MSE损失来计算VGG特征图,以防止MSE放大最大误差和最小误差间的差距。实验证明该模型在网络训练过程中能够达到稳定收敛的状态。重建出的图像质量对比SRGAN,在3个基准测试集SET5,SET14,BSD100上的平均PSNR要高约2.02 dB,SSIM高约0.042(5.6%)。重建出的图像不仅在指标上有所提升,且拥有更好的清晰度,高频细节更为丰富。

摘要：为了实现换向器表面缺陷自动检测,针对实际缺陷样本数量少、标注成本高等问题,设计一种基于特征空间的无监督换向器表面缺陷检测方法。利用预训练的EfficientNet网络提高对于特征的提取能力;同时提出一种平衡利用不同深度特征信息建立异常图的方法,加强对于缺陷轮廓的识别精度;通过对每个像素分别建立高斯分布,实现像素级缺陷分割。实验表明,提出的方法对缺陷样本的识别精度达到98.7%,对缺陷区域的分割精度达到98.0%,具有较好的缺陷检测能力,在工业应用上具有研究价值和实践意义。

摘要：针对目前医学图像普遍存在病理区域尺寸分布较分散、细节特征不明显以及同类组织影像间的视觉差异较大等问题,本文在CBMIR系统的基础上,提出了一种融合多尺度特征及注意力机制的医学图像检索方法。该方法通过融合多尺度特征并设置可学习权重系数来自适应平衡浅层图像纹理特征和深层图像语义特征的关系,提高网络对不同尺度上的病理特征提取能力。同时,引入注意力模块,对网络输出的特征图进行通道加权求和,提高关键特征通道的特征表达能力,使网络更能关注到图像中的具有辨识性的病理特征区域。最后,在损失函数设计时,使用多重损失进一步优化样本特征在特征空间的分布。最终在Mura数据集上的mAP@100、mAP@20两个指标上分别达到了0.95、0.98的检索精度,基本符合实际场景对模型的检索精度要求。

摘要：视频修复旨在填补视频中的缺失区域,由于很难精确保持修复内容的时空一致性,故视频修复仍具有挑战性。针对现有视频修复中存在的修复结果语义信息不连续,出现视频模糊和时间伪影,以及网络设计越来越复杂,网络整体速度变慢的问题,本文提出了一种基于残差网络的卷积注意力网络(RCAN)用以视频修复。通过将自注意力机制和全局注意力机制引入进残差网络,增强网络对所有输入帧的时空特征的学习能力,并采用时空对抗损失函数进行优化,提高视频修复的质量。同时网络还能够高度自由地定义层数和参数量,提高网络的实际应用能力。实验结果表明,该网络在DAVIS和YouTube-VOS数据集上取得了PSNR为30.68 dB,SSIM为0.961,FID为0.113的平均修复结果,基本符合实际场景对模型的修复质量要求,为视频修复提供了一种新思路。

摘要：从仿真角度出发,分析设计了基于量子点膜色转换方案像素点的整体结构模型,首先构建了蓝光Micro LED(micro light‑emitting diode,Micro LED)结构模型,研究了表面粗化和二维光栅两种提升Micro LED光提取效率(light extraction efficiency,LEE)的表面微结构;然后分别分析了有无该结构的蓝光Micro LED与侧壁挡光介质结合组成蓝色子像素点的LEE和光强分布随侧壁倾角变化的趋势;接着优化了量子点膜的模型参数,并分析了有无表面微结构的蓝光Micro LED对红绿子像素点光转换效率和光强分布的影响;最后对上述不同结构全彩像素点整体的色偏性能做了对比研究。仿真结果表明,具备表面粗化蓝光Micro LED和侧壁反射型挡光介质的像素点在0°~50°倾角下均可获得较大的正面LEE和低于0.02的色偏,相比其他结构更适合于量子点膜色转换方案。