一种基于图像分割的自然场景文本定位方法

    公开(公告)号:CN110032997B

    公开(公告)日:2021-02-19

    申请号:CN201910012635.6

    申请日:2019-01-07

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于图像分割的自然场景文本定位方法,包括图像预处理、训练过程和预测过程等三步骤;首先,使用图像分割方法把图像中小文本图像提取出来并放大提取出的小文本图像的尺寸,得到图像分割训练模型;其次,将放大后的小文本图像输入到目标检测网络进行训练得到文本检测训练模型;最后,用图像分割的训练模型提取出训练集中的小文本图像,组合调整以后输入到文本检测训练模型中进行预测。本发明所述的方法可以明显提升图像中占用面积比较小的文本的检测精度,同时并不会影响大文本的检测精度。

    一种水分散性碳纳米材料的高效纯化方法

    公开(公告)号:CN110589806A

    公开(公告)日:2019-12-20

    申请号:CN201910674749.7

    申请日:2019-07-25

    Applicant: 武汉大学

    Inventor: 胡成国 杨佳

    Abstract: 本发明提供一种水分散性碳纳米材料的高效纯化方法。将碳纳米材料、水溶性偶氮染料分子和可衍生修饰分子的球磨混合物用水溶解,然后将其与无机盐/碱水溶液混合均匀,在3000~10000转/分钟的离心速度下离心1~30分钟,将上层染料水溶液吸出,然后加入水超声溶解底部沉淀;重复上述盐析辅助离心纯化过程至洗净,得到分散于水中的碳纳米材料。本发明的突出特点是:使用常见的碱及盐作为辅助沉降剂,可在较短时间和较低离心速度下,实现游离态染料分子与水分散性碳纳米材料的高效分离,其纯化过程中碳纳米材料损失小、纯化试剂绿色环保、成本低,而且纯化过程对碳纳米材料的水分散性和光电性能等各方面的物理化学性能无影响。

    一种贵金属电极阵列的低成本批量制备方法及其应用

    公开(公告)号:CN111948263A

    公开(公告)日:2020-11-17

    申请号:CN202010678299.1

    申请日:2020-07-15

    Applicant: 武汉大学

    Inventor: 胡成国 杨佳

    Abstract: 本发明提供一种贵金属电极阵列的低成本批量制备方法及其应用。将贵金属纳米颗粒的水溶液与一定浓度的无机盐水溶液等体积混合,利用盐析效应,使贵金属纳米粒子发生团聚,粒径变大;然后将混合溶液倒入固定了模板化微孔滤膜的装置中,通过减压过滤的方式,使聚集态的贵金属纳米颗粒在微孔滤膜的空白区域快速沉积和室温烧结,以形成图案化的电极阵列;最后经过水洗和干燥处理,可批量制备出低成本且高导电的贵金属电极阵列。该方法利用模板过滤法,具有制备装置和过程简单、制备成本低、材料利用率高等特点。且制备的电极阵列具有易于修饰、厚度可控、均匀性和导电性良好,在电化学传感器和柔性电子器件等领域具有广泛的应用前景。

    一种水分散性碳纳米材料的高效纯化方法

    公开(公告)号:CN110589806B

    公开(公告)日:2022-08-05

    申请号:CN201910674749.7

    申请日:2019-07-25

    Applicant: 武汉大学

    Inventor: 胡成国 杨佳

    Abstract: 本发明提供一种水分散性碳纳米材料的高效纯化方法。将碳纳米材料、水溶性偶氮染料分子和可衍生修饰分子的球磨混合物用水溶解,然后将其与无机盐/碱水溶液混合均匀,在3000~10000转/分钟的离心速度下离心1~30分钟,将上层染料水溶液吸出,然后加入水超声溶解底部沉淀;重复上述盐析辅助离心纯化过程至洗净,得到分散于水中的碳纳米材料。本发明的突出特点是:使用常见的碱及盐作为辅助沉降剂,可在较短时间和较低离心速度下,实现游离态染料分子与水分散性碳纳米材料的高效分离,其纯化过程中碳纳米材料损失小、纯化试剂绿色环保、成本低,而且纯化过程对碳纳米材料的水分散性和光电性能等各方面的物理化学性能无影响。

    一种基于图像分割的自然场景文本定位方法

    公开(公告)号:CN110032997A

    公开(公告)日:2019-07-19

    申请号:CN201910012635.6

    申请日:2019-01-07

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于图像分割的自然场景文本定位方法,包括图像预处理、训练过程和预测过程等三步骤;首先,使用图像分割方法把图像中小文本图像提取出来并放大提取出的小文本图像的尺寸,得到图像分割训练模型;其次,将放大后的小文本图像输入到目标检测网络进行训练得到文本检测训练模型;最后,用图像分割的训练模型提取出训练集中的小文本图像,组合调整以后输入到文本检测训练模型中进行预测。本发明所述的方法可以明显提升图像中占用面积比较小的文本的检测精度,同时并不会影响大文本的检测精度。

Patent Agency Ranking