首页期刊导航|液晶与显示
期刊信息/Journal information
液晶与显示
中科院长春光学精密机械与物理研究所 中国光学光电子行业协会液晶分会 中国物理学会液晶分会
液晶与显示

中科院长春光学精密机械与物理研究所 中国光学光电子行业协会液晶分会 中国物理学会液晶分会

郭海成

双月刊

1007-2780

yjxs@ciomp.ac.cn

0431-86176059；84613406

130033

长春市东南湖大路3888号

液晶与显示/Journal Chinese Journal of Liquid Crystals and DisplaysCSCD北大核心CSTPCD
查看更多>>《液晶与显示》是中国最早创办的液晶学科专业期刊，是中国惟一的液晶学科和显示技术领域中综合性专业学术期刊；它是中文核心期刊，是英国《科学文摘》（SA）、美国《化学文摘》(CA)、俄罗斯《文摘杂志》（PЖ）、美国《剑桥科学文摘》（CSA）、“中国科技论文统计源期刊”等20余种国内外著名检索刊物和文献数据库来源期刊；它是中国物理学会液晶分会会刊，是中国光学光电子行业协会液晶分会会刊，是中国专业学术期刊发行量最大的期刊之一。本刊以研究报告、研究快报、综合评述和产品信息等栏目集中报道国内外液晶学科和显示技术领域中最新理论研究、科研成果和创新技术，及时反映国内外本学科领域及产业信息动态，是宣传、展示我国该学科领域和产业科技创新实力与硕果，进行国际交流的窗口。本刊征集有关液晶和各类显示用材料及制备方法、各类显示器件物理和制作技术、各类显示新型模式和驱动技术、显示技术应用、显示材料和器件的测试方法与技术、各类显示器件的应用等研究论文。本刊刊发国家重大科技项目和国家自然科学基金、"973"、"863"、等项目及省、部委基金项目的文章达90%以上，并有许多成果已通过国家和省部级鉴定，获得较大的社会效益和经济效益，为我国显示技术的飞速发展做出了重大贡献。
正式出版
收录年代

    基于融合特征分布学习与图像重建的异常检测

    朱思宇朱磊王文武乐华钢...
    1116-1127页
    查看更多>>摘要：无监督学习是当前工业产品缺陷检测领域的主流研究方向,目前主要分为基于重建和基于特征的两类方法.前者构建基于内容感知的映射以将异常区域映射为正常区域并通过残差图像来检测缺陷,注重于图像整体的表现.后者利用高层语义特征以实现定位异常,更加注重图像细节呈现.根据两种方法的优缺点,本文提出一种基于特征与重建融合的方法,有效结合两者优点互补其不足并实现统一的端到端的学习与推理.首先训练一个重建模型,然后采用归一化流模型以充分学习输入正常样本的高可能性数据概率分布,使其与重建模型相融合,有效地提高重建模型缺陷检测以及缺陷定位的准确率.在广泛使用的MVTec AD数据集上,提出的融合模型的平均图像级AUROC达到了98.7%,平均像素级AUROC达到了94.2%,特别地,相比单一重建模型提升了3.3%.提出的特征与重建网络融合模型显著提高了重建网络部分对于缺陷定位的不足,使结果更为精确.

    异常检测重建内存模块流模型融合算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    结合混合卷积和多尺度注意力的视频异常检测算法

    杨大为刘志权王红霞
    1128-1137页
    查看更多>>摘要：基于U-net风格的无监督视频异常检测模型有着较好的检测效果,但由于普通卷积运算使用固有的局部特性,使U-Net风格的编码器无法有效地提取全局上下文信息,并且使用简单的跳跃连接无法获得有效的特征信息,使用的L2损失函数是仅考虑了像素级别的差异而无法捕捉图像的结构特征.对此提出了结合混合卷积和多尺度注意力的视频异常检测算法,并加入结构相似性损失函数(SSIM)优化模型.具体来说,在编码器最后一层添加混合卷积模块,混合空间和位置的特征来提取全局上下文信息.在编码器和解码器之间的跳跃连接中添加多尺度注意力模块,使模型能提取更有价值的特征,实现有效的跳跃连接.使用参数约束结构相似性损失函数与L2损失函数的权重,从而更准确地优化模型.实验结果表明,所提算法在UCSD-Ped2和CUHK Avenue公开数据集上的AUC指标达到96.7%和86.1%,与改进前的模型相比提高了1.6%和1.4%,证明了所提模型的有效性.

    上下文信息跳跃连接混合卷积多尺度注意力结构相似性

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进的U-Net网络模型的叶片病害检测

    刘林林山驰李相国冯敏...
    1138-1144页
    查看更多>>摘要：为了满足作物病虫害绿色防治对病虫害程度检测的需求,设计了一种改进的U-Net网络模型用于作物叶片病虫害程度的检测.首先,选择ResNet50网络作为模型的主干网络,借助迁移学习来提升训练收敛速度和降低计算成本.其次,引入注意力机制对U-Net网络的各层特征提取和融合进行优化,以提高网络模型接收关键信息的能力.实验结果表明,改进的U-Net512网络模型具有最优的检测性能,平均检测精度达到90.14%,平均绝对误差为276.3.通过分析模型不同采样深度下的各层特征图发现,注意力机制的引入使网络模型能够获取并融合叶片整体特征和病害区域特征两个维度的信息,进一步提升模型检测性能.这种方法不仅能够有效地检测作物叶片的病虫害程度,而且具有较高的准确性和可靠性,有助于实现作物病虫害的绿色防治.

    病虫害检测改进U-Net网络注意力机制病虫害防治

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据