-
公开(公告)号：CN109411614B
公开(公告)日：2020-12-29
申请号：CN201811257574.1
申请日：2018-10-26
Applicant: 东南大学
Abstract: 本发明属于发光二极管技术领域，特别涉及一种有机无机复合型钙钛矿发光二极管器件及其制备方法，包括不同掺杂比例系数的钙钛矿纳米晶体(FA1‑xMAxPbBr3)的制备方法；有机无机复合型钙钛矿发光二极管从下到上依次为ITO透明导电玻璃基底、空穴注入层、空穴传输层、有机无机复合型钙钛矿发光层、电子传输层、Al和LiF的复合电极；有机无机复合型钙钛矿纳米晶体(FA1‑xMAxPbBr3)是以不同摩尔比例的FABr和MABr的混合溶液为原料制得；本发明的有机无机复合型钙钛矿纳米晶体的制备方法简单，成本低廉，制得的钙钛矿发光二极管器件具有很高的光电转换效率，能够有效的改善钙钛矿发光二极管器件性能。
-
Patent Agency Ranking
公开(公告)号：CN109411614A
公开(公告)日：2019-03-01
申请号：CN201811257574.1
申请日：2018-10-26
Applicant: 东南大学
Abstract: 本发明属于发光二极管技术领域，特别涉及一种有机无机复合型钙钛矿发光二极管器件及其制备方法，包括不同掺杂比例系数的钙钛矿纳米晶体(FA1-xMAxPbBr3)的制备方法；有机无机复合型钙钛矿发光二极管从下到上依次为ITO透明导电玻璃基底、空穴注入层、空穴传输层、有机无机复合型钙钛矿发光层、电子传输层、Al和LiF的复合电极；有机无机复合型钙钛矿纳米晶体(FA1-xMAxPbBr3)是以不同摩尔比例的FABr和MABr的混合溶液为原料制得；本发明的有机无机复合型钙钛矿纳米晶体的制备方法简单，成本低廉，制得的钙钛矿发光二极管器件具有很高的光电转换效率，能够有效的改善钙钛矿发光二极管器件性能。
-
公开(公告)号：CN113052261B
公开(公告)日：2024-05-31
申请号：CN202110434753.3
申请日：2021-04-22
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于余弦空间优化的图像分类损失函数的设计方法，该方法基于常用的Additive Margin Softmax优化，提出了一种可以对图像分类的类内距离与类间距离同时进行主动调控的损失函数。该方法在模型训练的前半阶段采用了AM‑Softmax损失函数，拉开类间距离，在训练后半阶段加入可以随训练批次动态调节的类内中心，进一步紧致同一类别物体的特征向量，同时拉开不同类别物体特征向量间的余弦距离，能够使得模型更快收敛，既能够充分的区分相似类别，也能进一步提高模型性能。
-
公开(公告)号：CN112257794B
公开(公告)日：2022-10-28
申请号：CN202011164112.2
申请日：2020-10-27
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YOLO的轻量级的目标检测方法，由一种重复堆叠的通道无缩放卷积模块组成，且模块内通过重复的通道无缩放卷积块与普通的1x1卷积以及3x3卷积的组合极大地缩小了模型的尺寸，同时通过ECA结构重新分配通道的权重，增强各通道面对不同类别的目标自适应学习能力。网络基于YOLO系列框架输出三种不同尺度的特征图，分别负责预测不同尺度的物体，使得模型在极低的参数量下实现较高精度的检测效果，本发明参数复杂度低，精度高。
-
公开(公告)号：CN113052261A
公开(公告)日：2021-06-29
申请号：CN202110434753.3
申请日：2021-04-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于余弦空间优化的图像分类损失函数的设计方法，该方法基于常用的Additive Margin Softmax优化，提出了一种可以对图像分类的类内距离与类间距离同时进行主动调控的损失函数。该方法在模型训练的前半阶段采用了AM‑Softmax损失函数，拉开类间距离，在训练后半阶段加入可以随训练批次动态调节的类内中心，进一步紧致同一类别物体的特征向量，同时拉开不同类别物体特征向量间的余弦距离，能够使得模型更快收敛，既能够充分的区分相似类别，也能进一步提高模型性能。
-
公开(公告)号：CN112257794A
公开(公告)日：2021-01-22
申请号：CN202011164112.2
申请日：2020-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于YOLO的轻量级的目标检测方法，由一种重复堆叠的通道无缩放卷积模块组成，且模块内通过重复的通道无缩放卷积块与普通的1x1卷积以及3x3卷积的组合极大地缩小了模型的尺寸，同时通过ECA结构重新分配通道的权重，增强各通道面对不同类别的目标自适应学习能力。网络基于YOLO系列框架输出三种不同尺度的特征图，分别负责预测不同尺度的物体，使得模型在极低的参数量下实现较高精度的检测效果，本发明参数复杂度低，精度高。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
