公开(公告)号：CN119205560B

公开(公告)日：2025-04-29

申请号：CN202411716274.0

申请日：2024-11-27

Applicant: 华侨大学

Inventor： 陈海坤 ,  潘书万 ,  林远达 ,  于洁 ,  叶钦

IPC: G06T5/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/50 ,  G06T5/60 ,  G06F16/51

Abstract: 本发明公开了一种基于深度学习的Mini‑LED晶圆表面缺陷数据增强方法及装置，涉及图像处理领域，包括：构建基于每种缺陷类型的#imgabs0#网络的扩散模型，扩散模型包括加噪过程和去噪过程，对#imgabs1#网络进行训练，得到经训练的每种缺陷类型的#imgabs2#网络；随机采样高斯噪声图，并输入到经训练的每种缺陷类型的#imgabs3#网络，得到每种缺陷类型对应的预测噪声，并生成得到每种缺陷类型的生成缺陷图像，构建生成缺陷图像库；从生成缺陷图像库中随机选择生成缺陷图像并进行随机变换，得到变换后的生成缺陷图像，通过图像空间处理将变换后的随机选择的生成缺陷图像与背景图像进行合成，得到合成图像。本发明解决了现有图像数据增强技术存在不稳定性和效果不佳的问题。

公开(公告)号：CN119205560A

公开(公告)日：2024-12-27

申请号：CN202411716274.0

申请日：2024-11-27

Applicant: 华侨大学

Inventor： 陈海坤 ,  潘书万 ,  林远达 ,  于洁 ,  叶钦

IPC: G06T5/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/50 ,  G06T5/60 ,  G06F16/51

Abstract: 本发明公开了一种基于深度学习的Mini‑LED晶圆表面缺陷数据增强方法及装置，涉及图像处理领域，包括：构建基于每种缺陷类型的#imgabs0#网络的扩散模型，扩散模型包括加噪过程和去噪过程，对#imgabs1#网络进行训练，得到经训练的每种缺陷类型的#imgabs2#网络；随机采样高斯噪声图，并输入到经训练的每种缺陷类型的#imgabs3#网络，得到每种缺陷类型对应的预测噪声，并生成得到每种缺陷类型的生成缺陷图像，构建生成缺陷图像库；从生成缺陷图像库中随机选择生成缺陷图像并进行随机变换，得到变换后的生成缺陷图像，通过图像空间处理将变换后的随机选择的生成缺陷图像与背景图像进行合成，得到合成图像。本发明解决了现有图像数据增强技术存在不稳定性和效果不佳的问题。