公开(公告)号：CN113487577B

公开(公告)日：2023-12-26

申请号：CN202110798509.5

申请日：2021-07-15

Applicant: 哈尔滨工业大学(深圳)

Inventor： 肖君军 ,  郭兴达 ,  胡兆君 ,  刘强

IPC: G06T7/00 ,  G06T7/90 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于GRU‑CNN组合模型的快速Gamma调校方法、系统及应用，涉及显示系统画质优化与深度学习技术领域。通过选取多个灰阶序列组成由多个寄存器绑点初始向量组成的输入绑点队列；建立GRU网络，以获得输入绑点队列之间的序列特征；然后建立CNN网络，以获得输入绑点的初始向量的局部特征；将样本模组输入到建立好的组合模型中，获得训练好的组合模型，并进行RGB三色寄存器的初始值预测；GRU‑CNN组合模型有效性评价。在需要快速Gamma调校过程中，减少了网络中的必要参数，提高了调校效率与精度，能够有效地解决现有技术中AMOLED显示模组Gamma调校及OTP过程较为复杂以及耗时的问题。

公开(公告)号：CN113487577A

公开(公告)日：2021-10-08

申请号：CN202110798509.5

申请日：2021-07-15

Applicant: 哈尔滨工业大学(深圳)

Inventor： 肖君军 ,  郭兴达 ,  胡兆君 ,  刘强

IPC: G06T7/00 ,  G06T7/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于GRU‑CNN组合模型的快速Gamma调校方法、系统及应用，涉及显示系统画质优化与深度学习技术领域。通过选取多个灰阶序列组成由多个寄存器绑点初始向量组成的输入绑点队列；建立GRU网络，以获得输入绑点队列之间的序列特征；然后建立CNN网络，以获得输入绑点的初始向量的局部特征；将样本模组输入到建立好的组合模型中，获得训练好的组合模型，并进行RGB三色寄存器的初始值预测；GRU‑CNN组合模型有效性评价。在需要快速Gamma调校过程中，减少了网络中的必要参数，提高了调校效率与精度，能够有效地解决现有技术中AMOLED显示模组Gamma调校及OTP过程较为复杂以及耗时的问题。